Posso eseguire Qwen2.5 VL 72B localmente?

Sì, i pesi sono open e disponibili su Hugging Face sotto la licenza proprietaria di Qwen. A 72 miliardi di parametri servirà molta VRAM — realisticamente una configurazione multi-GPU o una scheda singola di fascia alta.

Quanto costa usarlo via API?

Il prezzo è $0,80 per milione di token in input e $1,00 per milione di token in output, con una finestra di contesto di 128.000 token.

Come si confronta il 72B con i modelli Qwen2.5 VL più piccoli?

Alibaba offre anche varianti da 3B e 7B; il 72B è il top della famiglia e quello da scegliere quando precisione su documenti complessi, video lunghi o compiti agentici è più importante di velocità o costo.

Qwen2.5 VL 72B Instruct

3720°

#llm #qwen #visione #agenti #estrazione dati #locale

Esegui questo modello

Offerte / Annunci

OpenRouter Terminale / API

Paga per token

Chatta con questo modello nel browser o chiamalo dal tuo codice con una chiave API.

Qwen | contesto da 128.000 token | $0.80/M input, $1.00/M output. Qwen2.5-VL è abile nel riconoscere oggetti comuni come fiori, uccelli, pesci e insetti. È anche molto capace nell'analisi di testi, grafici, icone, grafiche e layout all'interno delle immagini.

Guide per questo modello

Ollama vs LM Studio (2026): quale app AI locale usare e quali modelli top esegue ciascuna

Quanta VRAM serve davvero per l'AI locale?

Pesi aperti vs open source vs solo API: cosa puoi davvero fare

Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)

Tutte le guide

Note del capitano

Scritto da Captain, l'editor di casa

Note del 2026-10-13

Qwen2.5 VL 72B Instruct è il modello vision-language di punta di Alibaba, che abbina un nucleo linguistico da 72 miliardi di parametri a una forte comprensione visiva di immagini e video di lunga durata. Si distingue per l'uso agentico su computer e telefoni, la localizzazione precisa degli oggetti e l'output strutturato da documenti come fatture e moduli. È adatto a sviluppatori che costruiscono pipeline documentali, agenti visivi o qualsiasi cosa richieda un modello multimodale open-weights capace a un prezzo API ragionevole.

Conosciuto per

Legge grafici, tabelle, icone e layout documentali densi con alta precisione.
Funziona come agente visivo: può ragionare su uno schermo e dirigere strumenti per uso su computer o telefono.
Localizza oggetti con bounding box o punti e restituisce coordinate JSON stabili.
Comprende video di oltre un'ora e può individuare momenti specifici al loro interno.
Genera output strutturati da fatture scansionate, moduli e tabelle.

Attenzione a

La licenza è proprietaria di Qwen, non Apache o MIT — verificare prima di qualsiasi uso commerciale.
Con 72 miliardi di parametri, l'esecuzione locale richiede hardware serio; aspettati requisiti VRAM significativi.
I punteggi nei benchmark MMMU e MMMU_Pro sono all'incirca pari a GPT-4o, non chiaramente superiori.

Ideale per

Visione

Agenti e uso di strumenti

Estrazione dati

Funziona localmente

Contesto lungo

Prompt da provare

Estrai fattura in JSON

Allego una fattura scansionata. Estrai ogni voce, prezzo unitario, quantità, subtotale, imposta e totale generale. Restituisci il risultato come un unico oggetto JSON con chiavi chiaramente nominate. Se un campo è illeggibile o assente, usa null.

Descrivi e localizza oggetti

Guarda l'immagine allegata. Elenca ogni oggetto distinto che riesci a identificare, assegna a ciascuno un'etichetta breve e fornisci la sua bounding box come [x_min, y_min, x_max, y_max] in coordinate pixel relative alle dimensioni dell'immagine. Restituisci il risultato come un array JSON.

Analizza un grafico

Allego un grafico o diagramma. Descrivi cosa mostra, identifica assi e unità, riassumi la tendenza o il risultato principale in due frasi e segnala eventuali anomalie o punti dati che risaltano. Sii specifico sui valori quando li puoi leggere.

Confronta con

Qwen3.7 Flash
Modello solo API
Contesto di 1,000,000 token · Input $0.03/M, output $0.13/M
Qwen3.8 Max (0902)
Modello solo API
Contesto di 1,000,000 token · Input $2.00/M, output $6.00/M
Qwen3.8 Omni Flash
Modello solo API
Contesto di 1,000,000 token · Input $0.15/M, output $0.47/M
Qwen3.7 Plus
Modello solo API
Contesto di 1,000,000 token · Input $0.32/M, output $1.28/M

Altri modelli di testo da qwen

Domande frequenti

Posso eseguire Qwen2.5 VL 72B localmente?: Sì, i pesi sono open e disponibili su Hugging Face sotto la licenza proprietaria di Qwen. A 72 miliardi di parametri servirà molta VRAM — realisticamente una configurazione multi-GPU o una scheda singola di fascia alta.
Quanto costa usarlo via API?: Il prezzo è $0,80 per milione di token in input e $1,00 per milione di token in output, con una finestra di contesto di 128.000 token.
Come si confronta il 72B con i modelli Qwen2.5 VL più piccoli?: Alibaba offre anche varianti da 3B e 7B; il 72B è il top della famiglia e quello da scegliere quando precisione su documenti complessi, video lunghi o compiti agentici è più importante di velocità o costo.

Verdetto del capitano
Un modello vision open-weights serio che si guadagna il suo posto quando servono parsing documentale, agenti visivi o comprensione di video lunghi senza dipendere da API chiuse.

Scheda modello su Hugging Face

Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.

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

Come si calcola questo punteggio

Questo modello non ha ancora dati di popolarità da nessuna fonte, quindi ha un numero provvisorio sotto 7,000° che mantiene le liste complete. Non supera mai un modello con dati. La suddivisione appare qui appena una fonte la segnala.

Glossario: i termini usati qui

Punteggio heat: Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
Soglia minima: I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
Equivalenti di download: Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
Scala logaritmica: Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
Like: Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
Tasso di adozione: Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
Misurato e stimato: Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
Seeder: Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
AI Horde: Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
Siti di generazione: Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
Token OpenRouter: Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modello completo (checkpoint): I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
LoRA e embedding: Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
Famiglia e pesi: La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
Età: Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
Boost famiglia: Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
Punteggio stand-in: Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
Novità! (periodo di grazia): Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
Tendenza: Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
Modello tipico: Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.

Modelli simili

Nano Banana (Gemini 2.5 Flash Image)

TEXT / LLM

Modelli di IA per generare immagini, video e testo

Qwen2.5 VL 72B Instruct è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.

Altri modelli Text / LLM Altri Testo / LLM Text / LLM llm qwen visione agenti estrazione dati locale contesto lungo

Sfoglia per famiglia di modelli