Мультимодальная модель Alibaba на 72 млрд параметров: читает изображения, диаграммы и документы и отвечает текстом.
Модель Qwen: Qwen2.5 VL 72B Instruct доступна через OpenAI-совместимый API Apikley из России без VPN, с оплатой в рублях: от 216 ₽ / 1M токенов.
Qwen2.5 VL 72B Instruct принимает на вход текст и изображения и выдаёт текст. По описанию Alibaba, она уверенно распознаёт предметы, а также анализирует надписи, диаграммы, значки, графику и вёрстку внутри картинок. Среди заявленных возможностей семейства Qwen2.5-VL разбор документов с сохранением структуры, выдача координат и рамок объектов в формате JSON и работа в роли визуального агента, который управляет компьютером или телефоном. Контекст — 128 тысяч токенов, ответ до 115 200 токенов. Модель принимает структурированный вывод. Знания ограничены июнем 2024 года.
OpenAI-совместимый API: POST https://api.apikley.ru/v1/chat/completions, ID модели qwen/qwen2.5-vl-72b-instruct. Подойдёт официальный SDK OpenAI с базовым адресом https://api.apikley.ru/v1.
curl https://api.apikley.ru/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model": "qwen/qwen2.5-vl-72b-instruct",
"messages": [
{
"role": "user",
"content": "Объясните, что такое API, в двух предложениях."
}
]
}'from openai import OpenAI
client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apikley.ru/v1")
response = client.chat.completions.create(
model="qwen/qwen2.5-vl-72b-instruct",
messages=[{"role": "user", "content": "Объясните, что такое API, в двух предложениях."}],
)
print(response.choices[0].message.content)Фотографии, скриншоты, диаграммы, значки и сканы документов. Alibaba отдельно отмечает работу с текстом и вёрсткой внутри картинок.
Она принимает изображения, а обычная Qwen2.5 72B работает только с текстом.
Разработчик заявляет, что семейство Qwen2.5-VL выдаёт рамки и точки в JSON. Для надёжного формата опишите структуру ответа в запросе и проверьте результат на своих данных.
Для этой модели он не заявлен. Если сценарию нужны инструменты, проверьте это на своём запросе до запуска.
Контекст модели — 128 тысяч токенов, на ответ можно отвести до 115 200 токенов. Сколько изображений поместится, зависит от их размера.
Все AI-модели каталога Apikley — доступ через API из России, оплата в рублях, без VPN.