阿里开源 Qwen2.5-VL-32B：小模型，大能量
阿里巴巴发布Qwen2.5-VL-32B-Instruct，参数仅为32B却在多项关键指标上超越自家72B模型及GPT-4。该模型展示了强大的数学推理、图像理解能力，并且可以在单 GPU或配置合理的Mac笔记本电脑上运行。
72B
通义开源32B视觉模型，阿里与DeepSeek前后脚上新！能看图说话
新模型Qwen2.5-VL-32B-Instruct在视觉理解和数学推理方面表现出色，并且其纯文本能力优于GPT-4o mini。该模型已在GitHub和Hugging Face上开源，可用于多种场景，包括对图片的理解、解决复杂的数学问题等。
组团开源，Qwen2.5-VL转角遇见DeepSeek Janus-Pro！
今天除夕，阿里千问开源了Qwen2.5-VL模型，包含3B、7B和72B三个尺寸，并具有感知丰富世界、作为视觉Agent、理解长视频和捕捉事件、精准的视觉定位及结构化输出等新特性。
重磅！字节发布UI-TARS大模型，三句话搞定电脑操作！碾压GPT-4！
字节发布UI-TARS视觉语言模型，能像人一样操控电脑界面，并在多项测试中击败GPT-4等对手。它具备感知、推理及行动能力，支持点击、输入等多种操作。UI-TARS通过SFT和DPO训练，在多个GUI代理基准测试中达到最佳成绩，还开源了桌面版应用。