32B本地部署！阿里開源最新多模態模型：主打視覺語言，數學推理也很強

西風 發自 凹非寺

量子位 | 公眾號 QbitAI

發佈Qwen2.5-VL-32B-Instruct。

此前開源家族視覺語言模型Qwen2.5-VL包括3B、7B和72B三種尺寸。

這一次的32B版本進一步兼顧尺寸和性能，可在本地運行。

同時經過強化學習優化，在三個方面改進顯著：

• 回答更符合人類偏好；

• 擁有更強的數學推理能力；

• 在圖像解析、內容識別以及視覺邏輯推導等任務中，表現出更強的準確性和細粒度分析能力。

對比近期開源的Mistral-Small-3.1-24B 、Gemma-3-27B-IT等， Qwen2.5-VL-32B在純文本能力上也達到了同規模的SOTA表現。在多個基準上，Qwen2.5-VL-32B甚至超過了72B。

舉個栗子，比如根據一張交通指示牌照片，Qwen2.5-VL-32B就能做如下精細的圖像理解和推理：

我正在這條路上駕駛一輛大卡車，現在12點了。我能在13點之前到達110公里遠的地方嗎？

Qwen2.5-VL-32B首先對時間、距離、卡車限速進行分析，然後分步驟條理清晰推算出正確答案：

模型已經開源，儘管自己前往實測～

Qwen2.5-VL-32B更多表現示例

官方剛剛發佈的技術博客中也放出了更多展示示例。

數學推理能力上，幾何體分析也不在話下：

同樣是先有問題分析環節，然後再分四個小步驟推理正確答案：

下面這種複雜難題也能解：

能夠依次類推，歸納出構造規律：

像下面這種圖片理解就更不在話下了：

多輪深度提問也可以：

模型開源，已能實測

現在，阿里已將Qwen2.5-VL-32B-Instruct放在了Hugging Face上。

在Qwen Chat上就能直接體驗Qwen2.5-VL-32B，感興趣的童鞋可以試試。

動作快的網民已經開始在MLX Community運行了：

在Hacker News上，網民也就DeepSeek和Qwen的舉動進行了新一輪熱烈討論。網民紛紛表示：

開源贏了，奧特曼錯了。

值得一提的是，春節期間，DeepSeek曾與阿裡通義千問Qwen多次幾乎同時發佈新模型，這一次又雙叒叕趕一塊去了。

杭州，原來真的是商量著一起發？？？

[1]https://qwenlm.github.io/zh/blog/qwen2.5-vl-32b/

[2]https://x.com/Alibaba_Qwen/status/1904227859616641534

[3]https://news.ycombinator.com/item?id=43464068