Bolehkah saya jalankan Qwen2.5 VL 72B secara tempatan?

Ya, berat model adalah terbuka dan tersedia di Hugging Face di bawah lesen milik Qwen sendiri. Dengan 72B parameter anda memerlukan VRAM yang besar — secara realistik persediaan multi-GPU atau kad tunggal berprestasi tinggi.

Berapa kos penggunaan melalui API?

Harga adalah $0.80 per juta token input dan $1.00 per juta token output, dengan tetingkap konteks 128,000 token.

Bagaimana perbandingan 72B dengan model Qwen2.5 VL yang lebih kecil?

Alibaba juga menawarkan varian 3B dan 7B; 72B adalah yang tertinggi dalam keluarga dan pilihan apabila ketepatan pada dokumen kompleks, video panjang atau tugasan agen lebih penting daripada kelajuan atau kos.

Qwen2.5 VL 72B Instruct

3720°

#llm #qwen #penglihatan #ejen #pengekstrakan data #tempatan

Jalankan model ini

Tawaran / Iklan

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

Qwen | konteks token 128,000 | $0.80/M input, $1.00/M output. Qwen2.5-VL mahir mengenal pasti objek biasa seperti bunga, burung, ikan, dan serangga. Ia juga sangat mampu menganalisis teks, carta, ikon, grafik, dan susun atur dalam imej.

Panduan untuk model ini

Ollama vs LM Studio (2026): aplikasi AI tempatan mana yang patut digunakan, dan model teratas yang dijalankan oleh setiap satu

Berapa banyak VRAM yang saya perlukan untuk AI tempatan?

Berat terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya kamu dibenarkan lakukan

Apakah fail GGUF? Model kuantisasi diterangkan (Q4, Q8, fp8, NF4)

Semua panduan

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

Qwen2.5 VL 72B Instruct adalah model bahasa-penglihatan utama Alibaba, menggabungkan teras bahasa 72 bilion parameter dengan kefahaman visual yang kuat merangkumi imej dan video panjang. Ia menonjol untuk penggunaan agen komputer dan telefon, pelokalan objek yang tepat, dan output berstruktur dari dokumen seperti invois dan borang. Sesuai untuk pembangun yang membina saluran dokumen, agen visual, atau apa sahaja yang memerlukan model multimodal berat terbuka yang mampu dengan harga API yang berpatutan.

Dikenali untuk

Membaca carta, jadual, ikon dan susun atur dokumen padat dengan ketepatan tinggi.
Bertindak sebagai agen visual: boleh berfikir atas skrin dan mengarahkan alat untuk penggunaan komputer atau telefon.
Melokalisasi objek dengan kotak sempadan atau titik dan mengeluarkan koordinat JSON yang stabil.
Memahami video lebih dari satu jam dan boleh menandakan detik tertentu dalamnya.
Menghasilkan output berstruktur dari invois, borang dan jadual yang diimbas.

Berhati-hati dengan

Lesennya adalah milik Qwen sendiri, bukan Apache atau MIT — semak sebelum sebarang penggunaan komersial.
Dengan 72B parameter, menjalankan secara tempatan memerlukan perkakasan serius; jangkaan keperluan VRAM yang besar.
Skor penanda aras pada MMMU dan MMMU_Pro adalah lebih kurang setanding dengan GPT-4o, tidak jelas lebih baik.

Terbaik untuk

Penglihatan

Ejen dan penggunaan alat

Pengekstrakan data

Jalankan secara tempatan

Konteks panjang

Arahan untuk cuba

Ekstrak invois ke JSON

Saya melampirkan invois yang diimbas. Ekstrak setiap baris item, harga unit, kuantiti, subtotal, jumlah cukai dan jumlah keseluruhan. Kembalikan hasil sebagai objek JSON tunggal dengan kunci yang jelas dinamakan. Jika sesuatu medan tidak boleh dibaca atau tiada, gunakan null.

Huraikan dan lokal objek

Lihat imej yang dilampirkan. Senaraikan setiap objek berbeza yang boleh anda kenal pasti, berikan setiap satu label ringkas, dan sediakan kotak sempadannya sebagai [x_min, y_min, x_max, y_max] dalam koordinat piksel relatif kepada dimensi imej. Kembalikan hasil sebagai tatasusunan JSON.

Analisis carta

Saya melampirkan carta atau graf. Huraikan apa yang ditunjukkan, kenal pasti paksi dan unit, ringkaskan trend utama atau penemuan dalam dua ayat, dan tandakan sebarang anomali atau titik data yang menonjol. Berikan nilai spesifik jika anda boleh membacanya.

Bandingkan dengan

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

Lebih banyak model teks dari qwen

Soalan yang sering ditanya

Bolehkah saya jalankan Qwen2.5 VL 72B secara tempatan?: Ya, berat model adalah terbuka dan tersedia di Hugging Face di bawah lesen milik Qwen sendiri. Dengan 72B parameter anda memerlukan VRAM yang besar — secara realistik persediaan multi-GPU atau kad tunggal berprestasi tinggi.
Berapa kos penggunaan melalui API?: Harga adalah $0.80 per juta token input dan $1.00 per juta token output, dengan tetingkap konteks 128,000 token.
Bagaimana perbandingan 72B dengan model Qwen2.5 VL yang lebih kecil?: Alibaba juga menawarkan varian 3B dan 7B; 72B adalah yang tertinggi dalam keluarga dan pilihan apabila ketepatan pada dokumen kompleks, video panjang atau tugasan agen lebih penting daripada kelajuan atau kos.

Keputusan Kapten
Model penglihatan berat terbuka yang serius yang layak digunakan apabila anda memerlukan penguraian dokumen, agen visual, atau kefahaman video panjang tanpa kebergantungan API tertutup.

Kad model di Hugging Face

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh berubah.

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

Bagaimana skor ini dijumlahkan

Model ini belum ada data populariti dari mana-mana sumber lagi, jadi ia membawa nombor gantian di bawah 7,000° yang memastikan senarai lengkap. Ia tidak pernah menduduki tempat lebih tinggi daripada model yang ada data. Pecahan muncul di sini sebaik sahaja sumber melaporkannya.

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Model serupa

Llama 4 Scout 17B 16E Instruct

TEXT / LLM

Lyria 3 Clip Preview

TEXT / LLM

Model AI untuk penjanaan imej, video dan teks

Qwen2.5 VL 72B Instruct ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain dan semak skor habanya untuk melihat trendnya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm qwen penglihatan ejen pengekstrakan data tempatan konteks panjang

Layari mengikut keluarga model