Qwen2.5 VL 72B Instruct
3720°
Executar modelo
Ofertas / Anúncios
Qwen | contexto de 128.000 tokens | $0.80/M entrada, $1.00/M saída. Qwen2.5-VL é proficiente em reconhecer objetos comuns como flores, pássaros, peixes e insetos. Também é altamente capaz de analisar textos, gráficos, ícones, gráficos e layouts dentro de imagens.
Guias para este modelo
Ollama vs LM Studio (2026): qual app de IA local usar e quais os melhores modelos que cada um roda
De quanto VRAM eu realmente preciso para IA local?
Pesos abertos vs código aberto vs só API: o que você realmente pode fazer
O que é um arquivo GGUF? Modelos quantizados explicados (Q4, Q8, fp8, NF4)
Notas do capitão
Notas de 2026-10-13
Qwen2.5 VL 72B Instruct é o modelo visão-linguagem principal da Alibaba, combinando um núcleo de linguagem com 72 bilhões de parâmetros com forte compreensão visual de imagens e vídeos longos. Destaca-se para uso agente em computador e celular, localização precisa de objetos e saída estruturada de documentos como faturas e formulários. É ideal para desenvolvedores que constroem pipelines de documentos, agentes visuais ou qualquer coisa que precise de um modelo multimodal aberto e capaz a um preço razoável via API.
Conhecido por
- Lê gráficos, tabelas, ícones e layouts densos de documentos com alta precisão.
- Age como agente visual: pode raciocinar sobre uma tela e direcionar ferramentas para uso em computador ou celular.
- Localiza objetos com caixas delimitadoras ou pontos e gera coordenadas JSON estáveis.
- Entende vídeos com mais de uma hora e pode identificar momentos específicos neles.
- Gera saída estruturada a partir de faturas escaneadas, formulários e tabelas.
Fique atento a
- A licença é própria da Qwen, não Apache ou MIT — verifique antes de qualquer implantação comercial.
- Com 72B parâmetros, rodar localmente exige hardware sério; espere requisitos significativos de VRAM.
- Resultados em benchmarks MMMU e MMMU_Pro ficam aproximadamente no mesmo nível do GPT-4o, sem vantagem clara.
Sugestões para tentar
Extrair fatura para JSON
Estou anexando uma fatura escaneada. Extraia cada item, preço unitário, quantidade, subtotal, valor do imposto e total geral. Retorne o resultado como um único objeto JSON com chaves claramente nomeadas. Se algum campo estiver ilegível ou ausente, use null.
Descrever e localizar objetos
Olhe a imagem anexada. Liste cada objeto distinto que conseguir identificar, dê a cada um um rótulo curto e forneça sua caixa delimitadora como [x_min, y_min, x_max, y_max] em coordenadas de pixels relativas às dimensões da imagem. Retorne o resultado como um array JSON.
Analisar um gráfico
Estou anexando um gráfico ou diagrama. Descreva o que ele mostra, identifique os eixos e unidades, resuma a principal tendência ou conclusão em duas frases e sinalize quaisquer anomalias ou pontos de dados que se destaquem. Seja específico sobre valores que conseguir ler.
Comparar com
- Qwen3.7 FlashModelo apenas para APIContexto de 1,000,000 tokens · entrada $0.03/M, saída $0.13/M
- Qwen3.8 Max (0902)Modelo apenas para APIContexto de 1,000,000 tokens · entrada $2.00/M, saída $6.00/M
- Qwen3.8 Omni FlashModelo apenas para APIContexto de 1,000,000 tokens · entrada $0.15/M, saída $0.47/M
- Qwen3.7 PlusModelo apenas para APIContexto de 1,000,000 tokens · entrada $0.32/M, saída $1.28/M
Mais modelos de texto de qwen
Perguntas frequentes
- Posso rodar o Qwen2.5 VL 72B localmente?
- Sim, os pesos são abertos e disponíveis no Hugging Face sob a licença própria da Qwen. Com 72B parâmetros, você precisará de VRAM substancial — realisticamente uma configuração multi-GPU ou uma placa única de alto desempenho.
- Quanto custa usar via API?
- O preço é $0,80 por milhão de tokens de entrada e $1,00 por milhão de tokens de saída, com janela de contexto de 128.000 tokens.
- Como o 72B se compara aos modelos menores Qwen2.5 VL?
- A Alibaba também oferece variantes de 3B e 7B; o 72B é o topo da família e o indicado quando precisão em documentos complexos, vídeo longo ou tarefas agente são mais importantes que velocidade ou custo.
Veredito do capitãoUm modelo visão aberto sério que merece seu lugar quando você precisa de parsing de documentos, agentes visuais ou compreensão de vídeo longo sem dependência de API fechada.
Ficha do modelo no Hugging Face
O capitão escreve estas notas com base na descrição e ficha do modelo. Preços e tamanhos de contexto são do provedor na data da escrita e podem mudar.
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.
Como essa pontuação é calculada
Este modelo ainda não tem dados de popularidade de nenhuma fonte, então ele carrega um número provisório abaixo de 7,000° para manter as listas completas. Ele nunca fica acima de um modelo com dados. A divisão aparece aqui assim que uma fonte reporta.
Glossário: os termos usados aqui
- Pontuação heat
- Um número que mostra o quanto um modelo está sendo usado e desejado agora, de 0° a 9.999°. Toda lista neste site que diz mais quente é ordenada por ele e só por ele.
- Limite mínimo
- Os 7.000° que todo modelo com dados reais começa. A escala vai de 0° a 9.999°; a parte abaixo do limite é para substitutos (modelos sem dados), para que um modelo com dados sempre fique acima de um sem. O limite é igual para todos e não decide nada; os graus acima dele são a medida.
- Equivalentes a downloads
- Tudo que a pontuação trata como download, somado: downloads em si, cada torrent seeder como 1.000, cada imagem AI Horde e cada execução em site de geração como um.
- Escala logarítmica
- Contando de dez em dez, não de um em um: ir de 1.000 para 10.000 downloads adiciona os mesmos graus que ir de 10.000 para 100.000. Isso evita que gigantes abafem tudo.
- Likes
- Joinhas e likes de todas as fontes, valendo metade de um download na escala logarítmica.
- Taxa de adoção
- Quantos downloads por dia um modelo recebe agora, pela diferença entre duas leituras de uma fonte. Um quarto do peso do termo download.
- Medido e estimado
- Medido significa que existem duas leituras de uma fonte e a diferença é real. Estimado significa que só se sabe o total de hoje e o passado é distribuído ao longo da vida do modelo; o site indica qual está mostrando.
- Seeder
- Alguém que mantém uma cópia dos pesos online para outros baixarem via torrent, ou um espelho hospedado fazendo o mesmo. Cada um conta como 1.000 downloads.
- AI Horde
- Uma rede voluntária que gera imagens de graça em computadores doados. O número de imagens feitas com um modelo é público, e cada uma conta como um download.
- Sites de geração
- Sites que hospedam suas próprias cópias de um modelo e deixam as pessoas gerarem com ele, como PixAI, SeaArt e Yodayo. Os downloads deles contam como os do Civitai e cada geração conta como um download.
- Tokens OpenRouter
- Um modelo de texto servido via API, como Claude ou GPT, não tem pesos para baixar, então seu uso é medido em tokens: os pedaços de texto que ele leu e escreveu via OpenRouter, um gateway usado por muitos apps, nos últimos 30 dias. Cada 10,000,000 tokens contam como um download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Os pesos em si, o arquivo que gera sozinho. Ganha um bônus porque complementos dependem dele.
- LoRA e embedding
- Arquivos pequenos que direcionam os pesos de outra pessoa para um estilo, personagem ou conceito. Não podem rodar sozinhos.
- Família e pesos
- A base em que um modelo é construído, como SD 1.5, SDXL, Flux ou Wan. Todo modelo herda a data de lançamento dos pesos da sua família.
- Idade
- Pontos retirados conforme há quanto tempo os pesos da família foram lançados: 150° por ano, até 750°. Mantém os downloads antigos que tiveram anos para acumular, evitando que saiam do topo da lista.
- Impulso da família
- Um pequeno empurrão limitado para LoRAs de uma família que este site está promovendo agora, sempre listado na divisão.
- Pontuação provisória
- Um número estável abaixo do mínimo dado a um modelo que ainda não tem dados de fonte, para a lista ficar completa. Nunca fica acima de um modelo com dados.
- Novo! (período de carência)
- Um modelo com menos de 7 dias mostra Novo! em vez de uma pontuação e não ocupa lugar no ranking. Sua pontuação é calculada desde o primeiro dia, mas um modelo com um dia cresce mais rápido que qualquer outro, então sem a espera o #1 da semana seria sempre o que saiu ontem, não o que se manteve por uma semana.
- Tendência
- Como o crescimento de um modelo num período se compara com o crescimento típico dos modelos no mesmo período. Crescimento mais rápido que o típico indica alta, mais lento indica queda.
- Modelo típico
- O meio do catálogo: metade dos modelos com número cresceu mais rápido no período, metade mais devagar.
Qwen2.5 VL 72B Instruct é um modelo de texto para a família Text / LLM listado no ModelTrends.ai, um catálogo somente leitura de modelos de IA de código aberto para imagem, vídeo e texto. Compare-o com outros modelos Text / LLM e veja a pontuação de calor para acompanhar a tendência.
Mais modelos Text / LLMMais Texto / LLM Text / LLMllmqwenvisãoagentesextração de dadoslocalcontexto longo
Navegar por família de modelos
Modelos Text / LLM
434
Modelos Anima
528
Modelos Chroma
19
Modelos Fibo
2
Modelos Flux
1,496
Modelos Flux 2 / Klein
1,239
Modelos Flux 3
3
Modelos Moss
3
Modelos Iris
1
Modelos MiniMax H3
364
Modelos Hunyuan
204
Modelos Ideogram
20
Modelos Krea2
717
Modelos Qwen
20
Modelos Qwen2
47
Modelos Ltx2
153