Dokumentationerreichbar
Qwen2.5-VL-7B-Instruct
huggingface.co (externe Seite)
Modellkarte des allgemeinen Bildmodells, das hier Handschrift und Diagramme übernimmt. Nach Herstellerangabe wertet es Texte, Diagramme, Symbole, Grafiken und Layouts in Bildern aus und gibt für Scans von Rechnungen, Formularen und Tabellen strukturierte Ergebnisse aus. Es kann Bildbereiche über Rahmen oder Punkte verorten. Die Familie umfasst Fassungen mit 3, 7 und 72 Milliarden Parametern.
geprüft 10.11.2026
Worauf sich diese Seite beruft, wörtlich, abgerufen am 07.09.2026:
it is highly capable of analyzing texts, charts, icons, graphics, and layouts within images
bestätigt 10.11.2026Generating structured outputs: for data like scans of invoices, forms, tables, etc. Qwen2.5-VL supports structured outputs of their contents, benefiting usages in finance, commerce, etc.
bestätigt 10.11.2026We have three models with 3, 7 and 72 billion parameters. This repo contains the instruction-tuned 7B Qwen2.5-VL model.
bestätigt 10.11.2026The current config.json is set for context length up to 32,768 tokens.
bestätigt 10.11.2026Qwen2.5-VL can comprehend videos of over 1 hour
bestätigt 10.11.2026
Wie eine Maschine ein Dokument zerlegtWo in der eigenen Texterkennung das Modell sitzt