Mohu spustit Qwen2.5 VL 72B lokálně?

Ano, váhy jsou otevřené a dostupné na Hugging Face pod vlastní licencí Qwen. S 72 miliardami parametrů budete potřebovat značnou VRAM – realisticky vícero GPU nebo špičkovou jednu kartu.

Kolik stojí použití přes API?

Cena je $0,80 za milion vstupních tokenů a $1,00 za milion výstupních tokenů, s kontextovým oknem 128 000 tokenů.

Jak se 72B srovnává s menšími modely Qwen2.5 VL?

Alibaba nabízí také varianty 3B a 7B; 72B je vrchol rodiny a vhodný, když záleží na přesnosti u složitých dokumentů, dlouhých videí nebo agentních úloh více než na rychlosti či ceně.

Qwen2.5 VL 72B Instruct

3720°

#llm #qwen #vidění #agenti #extrahování dat #lokální

Spustit model

Nabídky / Reklamy

OpenRouter Terminál / API

Platba za token

Chatuj s tímto modelem v prohlížeči nebo ho zavolej ze svého kódu s jedním API klíčem.

Qwen | kontext 128 000 tokenů | 0,80 $/M vstup, 1,00 $/M výstup. Qwen2.5-VL je zdatný v rozpoznávání běžných objektů jako květiny, ptáci, ryby a hmyz. Je také velmi schopný analyzovat texty, grafy, ikony, grafiku a rozvržení v obrázcích.

Návody k tomuto modelu

Ollama vs LM Studio (2026): kterou lokální AI aplikaci použít a jaké špičkové modely každá z nich spouští

Kolik VRAM vlastně potřebuji pro lokální AI?

Otevřené váhy vs open source vs pouze API: co vlastně smíš dělat

Co je soubor GGUF? Vysvětlení kvantovaných modelů (Q4, Q8, fp8, NF4)

Všechny návody

Poznámky kapitána

Napsal Captain, hlavní redaktor

Poznámky z 2026-10-13

Qwen2.5 VL 72B Instruct je vlajkový model pro zpracování jazyka a obrazu od Alibaba, spojující 72miliardové jádro jazyka s výborným vizuálním porozuměním obrázků a dlouhých videí. Vyniká v agentních úlohách na počítači a telefonu, přesné lokalizaci objektů a strukturovaném výstupu z dokumentů jako faktury a formuláře. Hodí se pro vývojáře budující dokumentové pipeline, vizuální agenty nebo cokoli, co potřebuje schopný multimodální model s otevřenými váhami za rozumnou cenu API.

Známý pro

Čte grafy, tabulky, ikony a husté rozvržení dokumentů s vysokou přesností.
Funguje jako vizuální agent: dokáže uvažovat nad obrazovkou a řídit nástroje pro použití na počítači nebo telefonu.
Lokalizuje objekty pomocí ohraničujících rámečků nebo bodů a vrací stabilní JSON souřadnice.
Rozumí videím delším než hodinu a dokáže přesně určit konkrétní momenty.
Generuje strukturovaný výstup ze skenovaných faktur, formulářů a tabulek.

Dej pozor na

Licence je vlastní Qwen, nikoli Apache nebo MIT – před komerčním nasazením ji zkontrolujte.
S 72 miliardami parametrů vyžaduje lokální provoz vážný hardware; očekávejte vysoké nároky na VRAM.
Výsledky benchmarků na MMMU a MMMU_Pro jsou přibližně na úrovni GPT-4o, nikoli jednoznačně lepší.

Nejlepší pro

Vidění

Agenti a používání nástrojů

Extrahování dat

Běží lokálně

Dlouhý kontext

Promptů k vyzkoušení

Extrahuj fakturu do JSON

Přikládám naskenovanou fakturu. Vytáhni každý řádkový položku, jednotkovou cenu, množství, mezisoučet, daňovou částku a celkovou sumu. Výsledek vrať jako jeden JSON objekt s jasně pojmenovanými klíči. Pokud je pole nečitelné nebo chybí, použij null.

Popiš a lokalizuj objekty

Podívej se na přiložený obrázek. Vyjmenuj každý rozpoznatelný objekt, dej mu krátký štítek a uveď jeho ohraničující rámeček jako [x_min, y_min, x_max, y_max] v pixelech vzhledem k rozměrům obrázku. Výsledek vrať jako JSON pole.

Analyzuj graf

Přikládám graf nebo diagram. Popiš, co ukazuje, identifikuj osy a jednotky, shrň hlavní trend nebo zjištění ve dvou větách a upozorni na jakékoli anomálie nebo výrazné datové body. Buď konkrétní ohledně hodnot, pokud je můžeš přečíst.

Porovnat s

Qwen3.7 Flash
Model pouze s API
kontext 1,000,000 tokenů · $0.03/M vstup, $0.13/M výstup
Qwen3.8 Max (0902)
Model pouze s API
kontext 1,000,000 tokenů · $2.00/M vstup, $6.00/M výstup
Qwen3.8 Omni Flash
Model pouze s API
kontext 1,000,000 tokenů · $0.15/M vstup, $0.47/M výstup
Qwen3.7 Plus
Model pouze s API
kontext 1,000,000 tokenů · $0.32/M vstup, $1.28/M výstup

Více textových modelů od qwen

Často kladené otázky

Mohu spustit Qwen2.5 VL 72B lokálně?: Ano, váhy jsou otevřené a dostupné na Hugging Face pod vlastní licencí Qwen. S 72 miliardami parametrů budete potřebovat značnou VRAM – realisticky vícero GPU nebo špičkovou jednu kartu.
Kolik stojí použití přes API?: Cena je $0,80 za milion vstupních tokenů a $1,00 za milion výstupních tokenů, s kontextovým oknem 128 000 tokenů.
Jak se 72B srovnává s menšími modely Qwen2.5 VL?: Alibaba nabízí také varianty 3B a 7B; 72B je vrchol rodiny a vhodný, když záleží na přesnosti u složitých dokumentů, dlouhých videí nebo agentních úloh více než na rychlosti či ceně.

Verdikt kapitána
Seriózní otevřený model pro zpracování obrazu, který si zaslouží místo, když potřebujete parsování dokumentů, vizuální agenty nebo porozumění dlouhým videím bez závislosti na uzavřeném API.

Modelová karta na Hugging Face

Kapitán píše tyto poznámky na základě popisu modelu a modelové karty. Ceny a velikosti kontextu jsou od poskytovatele v době psaní a mohou se změnit.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Jak se toto skóre sčítá

Tento model zatím nemá žádná data o popularitě z žádného zdroje, takže má náhradní číslo pod 7,000°, které udržuje seznamy kompletní. Nikdy se neumístí výš než model s daty. Rozpis se tu objeví, jakmile ho nějaký zdroj nahlásí.

Slovníček: pojmy používané zde

Heat skóre: Jedno číslo, které ukazuje, jak moc se model teď používá a chce, od 0° do 9 999°. Každý seznam na tomto webu, který říká nejžhavější, je podle toho seřazený a nic jiného.
Minimum: 7 000° je základ, od kterého začíná každý model s reálnými daty. Měřítko je od 0° do 9 999°; část pod minimem je vyhrazena pro zástupce (modely bez dat), aby model s daty byl vždy výš než ten bez. Minimum je stejné pro všechny a nic nerozhoduje; stupně nad ním jsou měření.
Ekvivalenty stažení: Všechno, co skóre počítá jako stažení, sečtené: samotná stažení, každý torrent seeder jako 1 000, každý obrázek z AI Horde a každý běh na generujícím webu jako jedno.
Logaritmická škála: Počítá se po desítkách, ne po jednotkách: přechod z 1 000 na 10 000 stažení přidá stejný počet stupňů jako z 10 000 na 100 000. Zabraňuje, aby obři přebili všechno ostatní.
Lajky: Palce nahoru a lajky ze všech zdrojů, každý za polovinu váhy stažení na logaritmické škále.
Rychlost přijetí: Kolik stažení denně model právě teď má, podle rozdílu mezi dvěma odečty zdroje. Čtvrtina váhy oproti termínu stažení.
Měřené a odhadované: Měřené znamená, že existují dva záznamy zdroje a rozdíl je skutečný. Odhadované znamená, že je znám jen dnešní celkový údaj a minulost je rozložena přes životnost modelu; stránka uvádí, který typ zobrazuje.
Seeder: Někdo, kdo drží kopii vah online, aby si ji ostatní mohli stáhnout přes torrent, nebo hostovaný zrcadlový server, který dělá totéž. Každý takový počítá jako 1 000 stažení.
AI Horde: Dobrovolnická síť, která zdarma generuje obrázky na darovaných počítačích. Počet obrázků vytvořených s modelem je veřejný a každý se počítá jako jedno stažení.
Generační stránky: Stránky, které hostují vlastní kopie modelu a umožňují lidem generovat s ním, například PixAI, SeaArt a Yodayo. Jejich stažení se počítají stejně jako u Civitai a každý běh generování jako jedno stažení.
OpenRouter tokeny: Textový model poskytovaný přes API, jako Claude nebo GPT, nemá žádné váhy ke stažení, takže jeho využití se měří tokeny: kusy textu, které přečetl a napsal přes OpenRouter, bránu, kterou používá mnoho aplikací, za posledních 30 dní. Každých 10,000,000 tokenů se počítá jako jedno stažení. Zdroj: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Plný model (checkpoint): Samotné váhy, soubor, který generuje sám o sobě. Má bonus, protože na něm závisí doplňky.
LoRA a embedding: Malé doplňkové soubory, které nasměrují váhy někoho jiného k určitému stylu, postavě nebo konceptu. Samy o sobě nemohou běžet.
Rodina a váhy: Základ, na kterém je model postavený, například SD 1.5, SDXL, Flux nebo Wan. Každý model dědí datum vydání vah své rodiny.
Věk: Stupně odečtené podle toho, jak dávno vyšla váha rodiny: 150° za rok, až do 750°. Staré stažení, která měla roky na nashromáždění, zůstávají nahoře na seznamu.
Boost rodiny: Malý, omezený posun pro LoRA rodiny, kterou tato stránka právě podporuje, vždy uvedený v rozpisu.
Náhradní skóre: Stabilní číslo pod minimem dané modelu, o kterém zatím žádný zdroj nehlásí, aby seznamy zůstaly kompletní. Nikdy není výše než model s daty.
Nové! (ochranná lhůta): Model mladší než 7 dní ukazuje místo skóre Nové! a nezískává místo v žebříčku. Jeho skóre se počítá od prvního dne, ale model starý jeden den roste rychleji než cokoli jiného, takže bez čekání by #1 týdne byl vždy model, který vyšel včera, místo toho, co vydrželo týden.
Trend: Jak růst modelu za určité období odpovídá typickému růstu modelu za stejné období. Rychlejší než obvyklé znamená vzestup, pomalejší pokles.
Typický model: Střed katalogu: polovina modelů s číslem rostla rychleji za dané období, polovina pomaleji.

Podobné modely

Qwen3.5 Plus 2026 02 15

TEXT / LLM

Qwen2.5 72B Instruct

TEXT / LLM

Voxtral Small 24B 2507

TEXT / LLM

Grok 4.6

TEXT / LLM

AI modely pro generování obrázků, videa a textu

Qwen2.5 VL 72B Instruct je textový model pro rodinu Text / LLM uvedený na ModelTrends.ai, katalogu open source AI modelů pro obrázky, video a text určeném jen ke čtení. Porovnejte ho s dalšími modely Text / LLM a podívejte se na jeho skóre žhavosti.

Další modely Text / LLM llm qwen vidění agenti extrahování dat lokální dlouhý kontext

Procházet podle rodiny modelů