Qwen2-VL
AI开发平台Qwen2-VL 是阿里云 Qwen 团队开发的多模态大语言模型系列。该仓库页面主要介绍了其后续版本 Qwen3-VL 的多项能力:在文本理解与生成、视觉感知与推理、上下文长度、空间与视频动态理解以及智能体交互方面进行了全面升级。Qwen3-VL 提供 Dense 与 MoE 两种架构,覆盖从边缘到云端的部署需求,并有 Instruct 与推理增强的 Thinking 版本。支持视觉智能体操作 PC/移动端 GUI、图像/视频生成 Draw.io/HTML/CSS/JS 代码、高级空间感知(2D/3D 定位)、原生 256K 上下文(可扩展至 1M)与长视频理解、增强的多模态推理与 OCR(支持 32 种语言)等能力。该页面提供了使用 Transformers、vLLM、SGLang 等框架的代码示例、视频解码后端说明、微调与部署指引,以及评测复现设置。Qwen2-VL 系列早期版本(2B、7B、72B)于 2024 年发布,后续陆续推出 Qwen2.5-VL 及 Qwen3-VL 多个尺寸模型。