Qwen2.5-VL-72B-Instruct is the flagship of Alibaba's Qwen2.5-VL vision-language series, released on January 28, 2025. It reads documents, charts and long videos, localises objects and can act as a visual agent on computers and phones, and was competitive with GPT-4o and Claude 3.5 Sonnet on many vision benchmarks at release.

数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。了解数据收集方法

Qwen2.5-VL-72B-Instruct

模型基本信息

推理过程

暂无数据

思考模式

不支持思考模式

上下文长度

128K tokens

最大输出长度

暂无数据

模型类型

多模态大模型

输入/输出模态

文本、图像 → 文本

发布时间

2025-01-28

模型文件大小

144GB

MoE架构

否

总参数 / 激活参数

720亿 / 不适用

知识截止

暂无数据

Qwen2.5-VL-72B-Instruct

开源和体验地址

代码开源状态

Tongyi Qianwen LICENSE AGREEMENT

预训练权重开源

Tongyi Qianwen RESEARCH LICENSE AGREEMENT - 免费商用授权

GitHub 源码

github.com/QwenLM/Qwen2.5-VL

Hugging Face

huggingface.co/Qwen/Qwen2.5-VL-72B-Instruct

在线体验

暂无

Qwen2.5-VL-72B-Instruct

官方介绍与博客

官方论文

Qwen2.5 VL! Qwen2.5 VL! Qwen2.5 VL!

DataLearnerAI博客

暂无

Qwen2.5-VL-72B-Instruct

API接口信息

接口速度

暂无数据

💡默认单位：$/100万 tokens。若计费单位不同，则以供应商公开的原始标注为准。

了解不同定价模式详解

标准模式

类型	适用条件	输入	输出
文本	-	¥0.0080/ 1K tokens	¥0.024/ 1K tokens
图像	-	¥0.0080/ 1K tokens	—

表中「—」表示该模态在此方向不计费，或供应商未公开对应价格。

Qwen2.5-VL-72B-Instruct

评测结果

Qwen2.5-VL-72B-Instruct 当前已收录的代表性评测结果包括 DocVQA（1 / 5，得分 96.40）、MMMU（41 / 73，得分 70.20）、MMMU-Pro（212 / 231，得分 46.20）。本页还汇总了参数规模、上下文长度与 API 价格，便于结合评测结果与部署约束一起判断模型适配度。