Qwen: Qwen2.5 VL 72B Instruct

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.

Автор
Alibaba
ID модели
qwen/qwen2.5-vl-72b-instruct
Контекст
128K токенов
Max output
115K токенов
Модальности
изображения, текст → текст
Вход
2 160 кредитов / 1M токенов · 216 ₽ / 1M токенов · 1 ₽ = 10 кредитов
Выход
2 700 кредитов / 1M токенов · 270 ₽ / 1M токенов · 1 ₽ = 10 кредитов
Дата релиза
01.02.2025
Доступность
Нет свежих данных проверки

Описание

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.

Кому подходит

  • Командам, которые автоматизируют разбор документов и скриншотов
  • Аналитикам, работающим с диаграммами и отчётами в виде картинок
  • Продуктам, где пользователь присылает фото вместе с вопросом
  • Задачам с длинным контекстом, где часть данных приходит изображениями

Ограничения

  • Вызов функций для модели не заявлен: сценарии с инструментами проверяйте на своих запросах заранее
  • Режим рассуждений не заявлен, сложные расчёты по изображению стоит перепроверять
  • Цена из верхней трети каталога: учитывайте это при больших объёмах запросов
  • Выход только текстовый, картинки модель не создаёт

Сценарии использования

  • Разбор сканов документов — Сотрудник загружает фото или скан документа и получает его содержимое в виде структурированного ответа.
  • Чтение графиков — Аналитик передаёт скриншот дашборда и просит пересказать тренды и подписи осей текстом.
  • Проверка интерфейса — QA-инженер присылает скриншот экрана и спрашивает, какие элементы выровнены неверно или перекрывают друг друга.
  • Подписи к каталогу — Контент-менеджер магазина получает описание товара по фотографии: что изображено, цвет, видимые надписи.
  • Поиск объектов на изображении — Разработчик просит найти на снимке нужные объекты и вернуть их координаты для дальнейшей обработки.

Qwen: Qwen2.5 VL 72B Instruct API: как подключить

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

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."
    }
  ]
}'

Python

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)

Быстрый старт · Chat Completions: параметры и ответы

Другие модели Alibaba

Все модели Alibaba

Похожие модели

FAQ

Какие изображения умеет читать Qwen2.5 VL 72B?

Фотографии, скриншоты, диаграммы, значки и сканы документов. Alibaba отдельно отмечает работу с текстом и вёрсткой внутри картинок.

Чем эта версия отличается от обычной Qwen2.5 72B?

Она принимает изображения, а обычная Qwen2.5 72B работает только с текстом.

Может ли модель вернуть координаты объектов?

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.

Поддерживается ли вызов функций?

Для этой модели он не заявлен. Если сценарию нужны инструменты, проверьте это на своём запросе до запуска.

Хватит ли контекста на много картинок и текста?

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.