新技术如下：
这些版本的主要技术进步包括：
-
大幅提升与图像相关的推理能力; -
在识别、提取和分析其中包含的图像和文本中的细节方面有相当大的改进; -
支持分辨率超过100万像素的高清图像和各种纵横比的图像。
Qwen-VL 测评
基本识别能力
例如，Qwen-VL不仅可以识别常见的物体，还可以识别名人和地标。Qwen-VL可以受视觉启发，用各种语言写诗，并分析日常截图。
提问下图 “他们是谁？”，Qwen-VL 会给出答案：这些是世界上最著名和收入最高的名人。从左到右，从上到下：贾斯汀·比伯（加拿大歌手）、莱昂内尔·梅西（阿根廷足球运动员）、克里斯蒂亚诺·罗纳尔多（葡萄牙足球运动员）......
名人识别
视觉代理能力
找到红色汽车
文本信息识别与处理
此外，它还具有识别和转换密集文本的有效机制，这在处理包含大量信息的文档时非常有效。
如下图：请阅读此图像中的文本，并以以下JSON格式返回信息（注意xxx是占位符，如果图像中没有信息，请改为“N/A”）。{“class”：xxx， “DLN”：xxx， “DOB”：xxx， “Name”：xxx， “Address”：xxx， “EXP”：xxx， “ISS”：xxX， “”：xxx， “HGT”：xxx， “WGT”：xxx， “EYES”：xxx， “HAIR”：xxX， “DONOR”：xxx}
Qwen-VL：
{“class”: “C”, “DLN”: “I1234568”, “DOB”: “08/31/1977”, “Name”: “IMA CARDHOLDER”, “Address”: “2570 24TH STREET ANYTOWN, CA 95818”, “EXP”: “08/31/2014”, “ISS”: “08/31/2009”, “SEX”: “F”, “HGT”: “5’-05"”, “WGT”: “125 lb”, “EYES”: “BRN”, “HAIR”: “BRN”, “DONOR”: “YES”}
{“class”：“C”， “DLN”：“I1234568”， “DOB”：“08/31/1977”， “Name”：“IMA CARDHOLDER”， “Address”：“2570 24TH STREET ANYTOWN， CA 95818”， “EXP”：“08/31/2014”， “ISS”：“08/31/2009”， “”：“F”， “HGT”：“5'-05”“， ”WGT“：”125 lb“， ”EYES“：”BRN“， ”HAIR“：”BRN“， ”DONOR“：”YES“}
Qwen-VL-Plus 和 Qwen-VL-Max 在增强高分辨率识别、文本分析和图像推理能力方面取得了重大进展。
这些模型现在与 GPT4-v 和 Gemini 的性能相匹配，在许多任务（例如 MMMU、CMMMU 和 MathVista）中优于其他开源和专有模型。
ChatU.AI可免费申请试用，支持企业私有部署，多引擎AIGC操作系统安全稳定，点击下方公众号一键试用！