Tôi có thể chạy Qwen2.5 VL 72B cục bộ không?

Có, trọng số được mở và có trên Hugging Face theo giấy phép của Qwen. Với 72 tỷ tham số, bạn sẽ cần VRAM lớn — thực tế là cấu hình đa GPU hoặc một card cao cấp.

Chi phí sử dụng qua API là bao nhiêu?

Giá là $0.80 cho mỗi triệu token đầu vào và $1.00 cho mỗi triệu token đầu ra, với cửa sổ ngữ cảnh 128,000 token.

72B so với các mô hình Qwen2.5 VL nhỏ hơn thế nào?

Alibaba cũng cung cấp các biến thể 3B và 7B; 72B là phiên bản cao cấp nhất và phù hợp khi độ chính xác trên tài liệu phức tạp, video dài hoặc tác vụ tác nhân quan trọng hơn tốc độ hoặc chi phí.

Qwen2.5 VL 72B Instruct

3720°

#llm #qwen #thị giác #tác nhân #trích xuất dữ liệu #cục bộ

Chạy mô hình này

Ưu đãi / Quảng cáo

OpenRouter Terminal / API

Trả theo token

Trò chuyện với mô hình này trên trình duyệt hoặc gọi nó từ mã của bạn với một khóa API.

Qwen | ngữ cảnh 128,000 token | $0.80/M đầu vào, $1.00/M đầu ra. Qwen2.5-VL thành thạo nhận diện các vật thể phổ biến như hoa, chim, cá và côn trùng. Nó cũng rất giỏi phân tích văn bản, biểu đồ, biểu tượng, đồ họa và bố cục trong hình ảnh.

Hướng dẫn cho mô hình này

Ollama vs LM Studio (2026): nên dùng ứng dụng AI cục bộ nào, và mỗi ứng dụng chạy những mô hình hàng đầu nào

Mình thực sự cần bao nhiêu VRAM cho AI cục bộ?

Mở weights vs mã nguồn mở vs chỉ API: bạn thực sự được phép làm gì

Tệp GGUF là gì? Giải thích về các mô hình lượng tử hóa (Q4, Q8, fp8, NF4)

Tất cả hướng dẫn

Ghi chú của thuyền trưởng

Viết bởi Captain, biên tập viên chính

Ghi chú từ 2026-10-13

Qwen2.5 VL 72B Instruct là mô hình ngôn ngữ-thị giác chủ lực của Alibaba, kết hợp lõi ngôn ngữ 72 tỷ tham số với khả năng hiểu hình ảnh và video dài mạnh mẽ. Nó nổi bật trong việc sử dụng làm tác nhân trên máy tính và điện thoại, định vị đối tượng chính xác, và xuất đầu ra có cấu trúc từ các tài liệu như hóa đơn và biểu mẫu. Phù hợp với các nhà phát triển xây dựng quy trình xử lý tài liệu, tác nhân thị giác, hoặc bất cứ thứ gì cần mô hình đa phương tiện mở trọng số với giá API hợp lý.

Nổi tiếng với

Đọc biểu đồ, bảng, biểu tượng và bố cục tài liệu dày đặc với độ chính xác cao.
Hoạt động như tác nhân thị giác: có thể suy luận trên màn hình và điều khiển công cụ cho máy tính hoặc điện thoại.
Định vị đối tượng bằng hộp giới hạn hoặc điểm và xuất tọa độ JSON ổn định.
Hiểu video dài hơn một giờ và có thể xác định chính xác các khoảnh khắc cụ thể trong đó.
Tạo đầu ra có cấu trúc từ hóa đơn quét, biểu mẫu và bảng biểu.

Cẩn thận với

Giấy phép là của Qwen, không phải Apache hay MIT — hãy kiểm tra trước khi triển khai thương mại.
Với 72 tỷ tham số, chạy cục bộ đòi hỏi phần cứng mạnh; dự kiến cần VRAM lớn.
Điểm chuẩn trên MMMU và MMMU_Pro tương đương GPT-4o, không vượt trội rõ ràng.

Phù hợp nhất cho

Thị giác

Tác nhân và sử dụng công cụ

Trích xuất dữ liệu

Chạy cục bộ

Ngữ cảnh dài

Lời nhắc để thử

Trích xuất hóa đơn thành JSON

Tôi đính kèm một hóa đơn quét. Hãy trích xuất từng mục hàng, giá đơn vị, số lượng, tổng phụ, thuế và tổng cộng. Trả kết quả dưới dạng một đối tượng JSON duy nhất với các khóa tên rõ ràng. Nếu trường nào không đọc được hoặc không có, dùng null.

Mô tả và định vị đối tượng

Xem hình ảnh đính kèm. Liệt kê mọi đối tượng riêng biệt bạn nhận diện được, đặt nhãn ngắn cho từng đối tượng, và cung cấp hộp giới hạn của nó dưới dạng [x_min, y_min, x_max, y_max] theo tọa độ pixel so với kích thước ảnh. Trả kết quả dưới dạng mảng JSON.

Phân tích biểu đồ

Tôi đính kèm một biểu đồ hoặc đồ thị. Hãy mô tả nội dung, xác định các trục và đơn vị, tóm tắt xu hướng chính hoặc phát hiện trong hai câu, và cảnh báo bất kỳ điểm bất thường hoặc dữ liệu nổi bật nào. Hãy cụ thể về các giá trị bạn có thể đọc được.

So sánh với

Qwen3.7 Flash
Mô hình chỉ API
ngữ cảnh 1,000,000 token · Đầu vào $0.03/M, đầu ra $0.13/M
Qwen3.8 Max (0902)
Mô hình chỉ API
ngữ cảnh 1,000,000 token · Đầu vào $2.00/M, đầu ra $6.00/M
Qwen3.8 Omni Flash
Mô hình chỉ API
ngữ cảnh 1,000,000 token · Đầu vào $0.15/M, đầu ra $0.47/M
Qwen3.7 Plus
Mô hình chỉ API
ngữ cảnh 1,000,000 token · Đầu vào $0.32/M, đầu ra $1.28/M

Thêm mô hình văn bản từ qwen

Câu hỏi thường gặp

Tôi có thể chạy Qwen2.5 VL 72B cục bộ không?: Có, trọng số được mở và có trên Hugging Face theo giấy phép của Qwen. Với 72 tỷ tham số, bạn sẽ cần VRAM lớn — thực tế là cấu hình đa GPU hoặc một card cao cấp.
Chi phí sử dụng qua API là bao nhiêu?: Giá là $0.80 cho mỗi triệu token đầu vào và $1.00 cho mỗi triệu token đầu ra, với cửa sổ ngữ cảnh 128,000 token.
72B so với các mô hình Qwen2.5 VL nhỏ hơn thế nào?: Alibaba cũng cung cấp các biến thể 3B và 7B; 72B là phiên bản cao cấp nhất và phù hợp khi độ chính xác trên tài liệu phức tạp, video dài hoặc tác vụ tác nhân quan trọng hơn tốc độ hoặc chi phí.

Phán quyết của thuyền trưởng
Một mô hình thị giác mở trọng số nghiêm túc, xứng đáng lựa chọn khi bạn cần phân tích tài liệu, tác nhân thị giác hoặc hiểu video dài mà không phụ thuộc API đóng.

Thẻ mô hình trên Hugging Face

Thuyền trưởng viết những ghi chú này dựa trên mô tả và thẻ mô hình của mô hình. Giá cả và kích thước ngữ cảnh là của nhà cung cấp tại thời điểm viết và có thể thay đổi.

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

Điểm số này được tính như thế nào

Mô hình này chưa có dữ liệu phổ biến từ bất kỳ nguồn nào, nên nó mang một số thay thế dưới 7,000° để giữ cho danh sách đầy đủ. Nó không bao giờ xếp trên một mô hình có dữ liệu. Phân tích chi tiết sẽ xuất hiện ở đây ngay khi có nguồn báo cáo.

Thuật ngữ: các từ dùng ở đây

Điểm nhiệt: Một số duy nhất cho biết mô hình được dùng và mong muốn thế nào hiện tại, từ 0° đến 9.999°. Mọi danh sách trên trang này nói về độ hot đều sắp xếp theo nó và không theo gì khác.
Sàn điểm: 7.000° là điểm bắt đầu cho mọi mô hình có dữ liệu thật. Thang điểm chạy từ 0° đến 9.999°; phần dưới sàn dành cho mô hình thay thế (mô hình không có dữ liệu), để mô hình có dữ liệu luôn xếp trên mô hình không có. Sàn điểm giống nhau cho tất cả và không quyết định gì; điểm trên sàn mới là thước đo.
Tương đương lượt tải: Tất cả những gì điểm số coi là lượt tải, cộng lại: lượt tải thật, mỗi người chia sẻ torrent tính 1.000, mỗi ảnh AI Horde và mỗi lượt chạy trên trang tạo ảnh tính một.
Thang log: Đếm theo chục, không phải theo đơn vị: từ 1.000 lên 10.000 lượt tải thêm cùng số điểm như từ 10.000 lên 100.000. Giúp tránh việc các mô hình lớn lấn át hết mọi thứ khác.
Lượt thích: Giơ ngón tay cái và lượt thích từ mọi nguồn, mỗi lượt bằng một nửa lượt tải trên thang log.
Tỷ lệ áp dụng: Bao nhiêu lượt tải mỗi ngày mà mô hình nhận được hiện tại, tính từ chênh lệch giữa hai lần đọc nguồn. Bằng một phần tư trọng số của lượt tải.
Đã đo và ước tính: Đã đo nghĩa là có hai lần đọc từ một nguồn và sự khác biệt là thật. Ước tính nghĩa là chỉ biết tổng số hôm nay và quá khứ được phân bổ trong suốt thời gian tồn tại của mô hình; trang web sẽ nói rõ đang hiển thị loại nào.
Seeder: Người giữ bản sao trọng số trực tuyến để người khác tải qua torrent, hoặc một bản sao lưu trữ làm điều tương tự. Mỗi người được tính là 1.000 lượt tải.
AI Horde: Một mạng lưới tình nguyện tạo ảnh miễn phí trên máy tính được hiến tặng. Số ảnh nó đã tạo với một mô hình được công khai, và mỗi ảnh được tính là một lượt tải.
Trang tạo ảnh: Các trang lưu trữ bản sao mô hình riêng và cho phép người dùng tạo ảnh, như PixAI, SeaArt và Yodayo. Lượt tải của họ được tính giống như Civitai và mỗi lần tạo ảnh được tính là một lượt tải.
Token OpenRouter: Mô hình văn bản phục vụ qua API, như Claude hoặc GPT, không có trọng số để tải xuống, nên sử dụng token để đo lường: các đoạn văn bản nó đọc và viết qua OpenRouter, một cổng kết nối nhiều ứng dụng sử dụng, trong 30 ngày qua. Mỗi 10,000,000 token tính là một lượt tải. Nguồn: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Mô hình đầy đủ (checkpoint): Chính là trọng số, file tự tạo ảnh. Nó được cộng thêm điểm vì các add-on phụ thuộc vào nó.
LoRA và embedding: Các file add-on nhỏ giúp điều chỉnh trọng số của người khác theo phong cách, nhân vật hoặc ý tưởng. Chúng không thể chạy riêng.
Gia đình và trọng số: Nền tảng mà mô hình xây dựng trên đó, như SD 1.5, SDXL, Flux hoặc Wan. Mỗi mô hình kế thừa ngày phát hành của trọng số gia đình nó.
Tuổi: Điểm trừ dựa trên thời gian trọng số gia đình được phát hành: 150° mỗi năm, tối đa 750°. Nó giữ lại lượt tải cũ đã tích tụ nhiều năm bằng cách đóng băng đầu danh sách.
Tăng gia đình: Một đẩy nhỏ có giới hạn cho LoRA của một gia đình mà trang này đang ưu tiên, luôn được liệt kê trong phần phân tích.
Điểm thay thế: Một số ổn định dưới mức tối thiểu dành cho mô hình chưa có báo cáo nguồn, để danh sách luôn đầy đủ. Nó không bao giờ xếp trên mô hình có dữ liệu.
Mới! (giai đoạn thử nghiệm): Mô hình dưới 7 ngày tuổi hiển thị Mới! thay vì điểm số và không được xếp hạng. Điểm số được tính từ ngày đầu tiên, nhưng mô hình mới một ngày tăng trưởng nhanh nhất, nên nếu không chờ đợi thì #1 tuần này sẽ luôn là mô hình mới ra hôm qua thay vì mô hình giữ vững trong tuần.
Xu hướng: Tốc độ tăng trưởng của mô hình trong một khoảng thời gian so với tốc độ tăng trưởng trung bình của mô hình khác trong cùng khoảng thời gian. Nhanh hơn trung bình là tăng, chậm hơn là giảm.
Mô hình điển hình: Giữa danh mục: một nửa mô hình có số liệu tăng nhanh hơn trong khoảng thời gian, một nửa tăng chậm hơn.

Mô hình tương tự

Mô hình AI để tạo hình ảnh, video & văn bản

Qwen2.5 VL 72B Instruct là một mô hình văn bản thuộc họ Text / LLM được liệt kê trên ModelTrends.ai, danh mục chỉ đọc về các mô hình AI hình ảnh, video và văn bản mã nguồn mở. So sánh nó với các mô hình Text / LLM khác và xem điểm độ hot để biết xu hướng.

Thêm mô hình Text / LLM Thêm Văn bản / LLM Text / LLM llm qwen thị giác tác nhân trích xuất dữ liệu cục bộ ngữ cảnh dài

Duyệt theo họ mô hình