3月25日，据 Qwen 团队公告，Qwen2.5-VL-32B-Instruct 模型正式开源，参数规模为 32B，并在图像理解、数学推理、文本生成等任务上展现出优异表现。该模型通过强化学习进一步优化，回复更符合人类偏好，并在 MMMU、MathVista 等多模态评测中超越此前发布的 72B 模型。
什么是 Qwen2.5-VL-32B？
Qwen2.5-VL-32B-Instruct 是阿里巴巴 Qwen 系列的最新成员，拥有 320 亿参数。该模型可同时处理并理解视觉与文本信息，在需要对图像与语言进行细致理解的任务中表现突出。其以 Apache 2.0 许可证发布，为开发者与研究人员在多种应用场景中的集成与适配提供了灵活性。
与此前的 Qwen2.5-VL 系列模型相比，32B 型号具有以下改进：
- 回复更符合人类主观偏好： 输出风格已调整，使答案更详尽、格式更规范，更贴近人类偏好。
- 数学推理能力： 解决复杂数学问题的准确率显著提升。
- 细粒度图像理解与推理： 在图像解析、内容识别与视觉逻辑推理等任务中展现出更强的准确性与细粒度分析能力。
如何在本地使用 Qwen2.5-VL-32B？
本地部署 Qwen2.5-VL-32B 可在不依赖外部服务器的情况下发挥其能力，确保数据隐私并降低延迟。官方 GitHub 仓库提供了完整的本地部署资源。 citeturn0search6
环境设置
- 克隆仓库：
git clone https://github.com/QwenLM/Qwen2.5-VL
- 进入项目目录：切换到已克隆的目录：
cd Qwen2.5-VL
- 安装依赖：确保安装所有必需的包。仓库包含
requirements.txt文件以便安装：
pip install -r requirements.txt
运行模型
完成环境设置后：
- 启动应用：执行主脚本以启动应用。详细说明见仓库文档。
- 访问界面：启动后，通过浏览器在指定的本地地址访问模型界面。
优化建议
为提升性能并有效管理资源：
- 量化：在模型转换时使用
--quantize标志以减少内存占用。 - 管理上下文长度：限制输入 tokens 以加快响应。
- 关闭高占用资源的应用：关闭其他高强度应用以释放系统资源。
- 批量处理：对于多张图片，采用批处理以提升效率。
Qwen2.5-VL-32B 的关键特性是什么？
Qwen2.5-VL-32B-Instruct 相较前代引入多项增强：
更贴近人类的回复
模型输出风格经过优化，能生成更详尽、结构更清晰的答案，更贴合人类偏好，带来更自然直观的交互体验。
先进的数学推理
模型在准确解决复杂数学问题方面取得显著进展，是处理高阶数值计算任务的有力工具。
细粒度的图像理解与推理
模型在图像解析、内容识别与视觉逻辑推理方面具备更高的准确度，能够分析图像中的细微细节，适用于对象检测、场景理解等任务。
强大的文档解析能力
Qwen2.5-VL-32B 擅长全场景文档解析，能够有效处理多场景、多语言文档，包括含手写体、表格、图表、化学式与乐谱的内容。
Qwen2.5-VL-32B 与其他模型相比表现如何？
在基准评测中，Qwen2.5-VL-32B-Instruct 展现出卓越表现：
- 多模态任务：在 MMMU、MMMU-Pro 与 MathVista 等评测中，该模型超越更大参数规模的 72B 模型。 citeturn0search9
- 文本能力：在纯文本任务中达到与 Mistral-Small-3.1-24B、Gemma-3-27B-IT 等模型相当的先进水平。
相关主题 How to Access Grok 3 & Use It
面向开发者：API 访问
CometAPI 提供远低于官方价格的方案，帮助你集成 qwen API（model name: qwen-max;），注册并登录后你的账户将获得 $1！欢迎注册体验 CometAPI。
CometAPI 作为多个领先 AI 模型 API 的集中枢纽，无需分别与多家 API 提供商对接。CometAPI 集成了 Qwen 2.5 系列模型，你可以通过 API 访问它们。
集成详情请参阅 Qwen 2.5 Coder 32B Instruct API 与 Qwen 2.5 Max API。CometAPI 已更新最新的 QwQ-32B API。
结论
Qwen2.5-VL-32B-Instruct 在多模态 AI 领域迈出了重要一步。其开源特性与在人机互动、数学推理、图像理解方面的增强能力，使其成为开发者与研究人员的多才多艺且强大的工具。通过提供本地部署与优化资源，阿里巴巴确保该模型可被广泛应用且易于实践。