Qwen2-VL开源，让我感觉新的时代要来了！

Python_金钱豹 Python_金钱豹 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.6k累计阅读 1.6k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄5年
关注
原创 最新推荐文章于 2026-04-25 09:26:31 发布 1.6k 阅读 AI 写同款· GEO 优化 ›
从小白到专家：DeepSeek 模型硬件配置完全指南 DeepSeek是由深度求索（DeepSeek）推出的一系列大语言模型，涵盖从轻量级到超大规模的不同版本。高效性：优化了推理和训练效率，适合多种应用场景。灵活性：支持从单机到分布式集群的部署方式。多场景适配：适用于文本生成、代码补全、对话系统等任务。为了充分发挥DeepSeek模型的性能，合理的硬件配置至关重要。以下是针对不同规模模型的具体硬件需求。 阅读详情

Qwen2-VL：让世界看得更清楚

特点：

  • Qwen2-VL可以理解20分钟以上的视频，进行高质量的视频问答、对话、内容创作等。

  • Qwen2-VL具有复杂的推理和决策能力，可以与手机、机器人等设备集成，基于视觉环境和文本指令进行自动操作。

  • 除了英语和中文之外，Qwen2-VL现在支持图像内不同语言文本的理解，包括大多数欧洲语言、日语、韩语、阿拉伯语、越南语等。

  • Qwen2-VL 在视觉理解基准上实现了最先进的性能，包括 MathVista、DocVQA、RealWorldQA、MTVQA 等。

开源地址：https://huggingface.co/collections/Qwen/qwen2-vl-66cee7455501d7126940800d

Example:

  1. 多目标识别，下图为复杂的文档转markdown（一种时代变了的感觉）

  1. 视觉推理：解决现实世界的问题 （超级超级长的一张图！）

  2. 实时视频理解

4、视觉Agent能力：函数调用和视觉交互

SOTA级开源模型

在这里插入图片描述

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么？
  • 大模型是怎样获得「智能」的？
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例：向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范
  • …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示（Embeddings）
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署
  • …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2：手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建
  • …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身：基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例：如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案
  • …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

标签
#embedding #react.js #人工智能 #前端 #算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
DeepSeek R1本地化部署与联网功能实战指南：从零搭建智能对话系统 在人工智能技术快速发展的今天，如何将先进的对话模型DeepSeek R1部署到本地环境并赋予其联网能力，成为许多开发者和企业关注的重点。本文将深入讲解完整的本地化部署流程，并通过实例代码演示如何为模型添加实时网络访问功能。 阅读详情

相关推荐

未来已来？2026最新国内15家AI大模型应用盘点（附体验网址，持续更新）

未来已来？国内15家AI大模型盘点及体验网址，一起来看看吧！

Code_流苏：在代码中寻诗意，在实践中觅真知 11万+

TensorFlow相关组件的安装

TensorFlow相关组件的安装

AAI666666的博客 3934

Zabbix 7.0 从入门到精通部署手册

zabbix 入门到精通

weixin_43806846的博客 1031

本地部署DeepSeek大模型电脑配置推荐

针对本地部署DeepSeek大模型的配置需求，需根据模型规模（如7B/13B/70B参数）和量化方案进行区分。

huang9604的博客 3万+

Windows下用RKDevTool解包update.img的完整流程（含常见错误排查）

本文详细介绍了在Windows系统下使用RKDevTool工具解包update.img固件的完整流程。从工具准备、环境搭建到逐步解包操作，重点解析了输出文件结构，并提供了修改分区后重新打包的实战方法。文章还针对解包失败、打包错误等常见问题提供了详细的排查与解决方案，旨在帮助嵌入式开发者和爱好者高效完成固件分析与定制工作。

aa123的博客 716

谈谈 FOC和BLDC 电机控制

更具体地说，通过 “Park 变换”，我们可以把三相交流电流信号转换成两相直流电流信号，从而可以把三相交流电机的控制变得和两相直流电机控制一样简单。在内环 “电流环”中，一些比较重要的模块有 “Clark 变换” 和 “Park 变换” 等数学模块、电机电流信号检测模块以及能够提供电机的转速和转角位置信息的模块。日前，Qorvo 电机控制应用高级系统/应用工程师张绍发表了一个与 BLDC 和 FOC 相关的演讲，科普了 FOC 的相关知识，还讲解了 Qorvo 用于简化 FOC 实施方案的方法。

U_YAO的博客 2118

Qwen2-VL笔记

qwen2-vl中说：“We have retained the Qwen-VL framework, which integrates vision encoders and language models.”，但是代码上qwen2-vl和qwen-vl的模型结构并不一致，除了动态分辨率和旋转位置编码外，连接部分用的是一层mlp（类似于llava的结构），而不是qwen-vl的类q-former结构。文章的消融实验的结果感觉并不支持文章的创新点，动态分辨率和多模态旋转位置编码并没有很大的性能提升。

具身机器人和通用AI 4261

基于STM32L4XX、HAL库的BQ27520YZFR-G4 电量监测计驱动程序设计

(可选) -------- TS (Pin 3) 连接温度传感器。(可选) -------- BAT (Pin 2) 连接电池正极。// 假设I2C1已初始化。// 每5秒更新一次。// 短暂延时确保数据准备好。支持Impedance Track™技术，提供高精度电量测量。适用于便携式设备如智能手机、平板电脑等。// 可添加初始化验证代码。// 初始化BQ27520。// 发送控制子命令。// 配置模拟滤波器。// 配置数字滤波器。// I2C1初始化函数。

zhusl6688的博客 244

刘聪NLP | 等了大半年的Qwen3-VL终于也开源了！附模型细节&实测！

本文来源公众号，仅用于学术分享，侵权删，干货满满。大家好，我是刘聪NLP。抓着云栖大会，猛开源是吧，两天时间，开源了Qwen3-Omni系列模型、Qwen-Image-Edit-2509模型、Qwen3-VL模型、Qwen3Guard-Gen系列模型，共计12个。还有一些没开源的API，比如Qwen-TTS、Qwen3-Coder-Plus、Qwen3-Max、Qwen3-LiveTranslate等等等PS：我恨俊旸呀！天天凌晨开源~

csdn_xmj的博客 2668

【tio-websocket】15、学习tio的第1步—tio-study

tio-study 是用于学习 t-io 的示范工程，tio-study 是入门 t-io 最好的方式！tio-study 工程演示的是一个典型的 TCP 长连接应用工程，分为 server（服务端） 和 client（客户端） 工程，server 和 client 共用 common（公共模块） 工程

JACKAL 1万+

如何将 Fiori Elements Object Page Header 工具栏里按钮用 JavaScript 代码设置成禁用状态

本文介绍了如何在SAP Fiori Elements应用中动态控制Object Page工具栏按钮的可用状态。通过UI5 Inspector工具分析发现，这些按钮的enabled属性都双向绑定到/ui/enabled模型字段。在StatusExt.controller.js中，通过获取按钮ID前缀拼接完整控件ID，使用setEnabled(false)方法即可禁用按钮。关键点包括：1)使用extensionAPI获取视图ID前缀；2)注意事件回调中的this上下文绑定；3)通过修改模型字段可同步更新所有绑定

2007 年 ~ 2025 年，深耕 SAP 技术 18 年 374

等了大半年的Qwen3-VL终于也开源了！

采用Qwen3模型，可以是Dense模型，也可以是MoE模型，暂时开的Qwen3-VL-235B-A22B是MoE模型，位置编码MRoPE-Interleave，t,h,w 交错分布的形式，对长视频理解效果更好。抓着云栖大会，猛开源是吧，两天时间，开源了Qwen3-Omni系列模型、Qwen-Image-Edit-2509模型、Qwen3-VL模型、Qwen3Guard-Gen系列模型，共计12个。Qwen3-VL-235B-A22B：回答不太对，但是也对，解释的也合理，核心是A-B，还是B-A。

CV_Autobot的博客 1775

ubuntu20.04屏幕亮度无法调节（亮度条调节无效）的简单靠谱解决方案及踩坑历程

0 前言   网上关于ubuntu系统亮度无法调节的问题的解决方法有很多，但是绝大部分并没有什么用（这也是我自己的亲身体会），或者并不靠谱。在遍尝各路方法过后，我终于解决了这一棘手的问题（毕竟最大亮度真的非常刺眼，无法长时间直视），在此记录一下踩坑历程以及最后的解决方案。 1 Naive方法   由于使用需要，最近在电脑原有的win10基础上安装了ubuntu双系统。我安装的是当前新版的ubuntu20.04.2.0，靠谱的安装教程可以参考这里。   之前师兄说双ssd安装双系统会有系统启动引导的问题出现，

zeeq的博客 4万+

千问团队tech lead解读Qwen2-VL：让我们先把视觉理解干上去！（一）

知乎：林俊旸链接：https://zhuanlan.zhihu.com/p/717704002编辑：AI椰青正值前几天发布Qwen2-VL，大家应该在我们的博客或者各个公众号看到我们模型的表现，并且看到我们开源了Qwen2-VL-7B和Qwen2-VL-2B以及推出了Qwen2-VL-72B的API。如果你还没看过，请点击下面几个链接：Blog:https://qwenlm.github.io/b...

zenRRan的博客 3123

# YOLOv11改进系列 | 引入仓库自研C3k2_EIEM模块，Sobel边缘分支增强检测细节表达

文章摘要： YOLOv11-seg改进中提出的C3k2_EIEM模块通过引入边缘信息增强机制，显著提升了模型对轮廓和纹理的感知能力。该模块在保持原有C3k2结构的基础上，创新性地结合了Sobel边缘检测分支与常规卷积分支的双路特征融合。核心改进包括：(1)固定Sobel算子提供稳定的梯度响应；(2)并行处理边缘与纹理特征；(3)通过1x1卷积实现特征融合。实验显示，改进后模型参数量增加14.16%，计算量提升12.5%，但显著增强了在复杂边界场景下的分割精度。这种设计特别适用于需要精细轮廓识别的任务，如商品

qq_44224801的博客 95

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

Qwen2.5-VL系列模型正式开源，千问永远不会让你失望 | 附实测结果

我想说Qwen是国内开源Top，当之无愧，期待后续Qwen3、 QwQ、QvQ的更新模型。最后，在春节串门前，大家可以先把模型下载上，晚上回来，直接开测~~

m0_63171455的博客 5416

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章，有部分习题没有答案，全英文复分析阿尔福斯(Ahlfors) 第三版答案

Qwen2.5新春三连发——Qwen2.5-1M, Qwen2.5-VL, Qwen2.5-Max

Qwen2.5新春模型三连发，分别发布了Qwen2.5-1M长上下文模型，Qwen2.5-VL视觉模型以及Qwen2.5-Max旗舰款模型。

2401_85549225的博客 3251

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况

主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。

多模态理解-Qwen-VL系列演进：从Qwen-VL到Qwen2.5-VL的技术突破与应用场景

本文深入解析了Qwen-VL系列多模态模型的演进历程，从Qwen-VL的基础架构与训练策略，到Qwen2-VL引入动态分辨率与M-RoPE实现图文视频统一理解，再到Qwen2.5-VL在超高分辨率、推理速度与视频理解上的全面突破。该系列技术持续迭代，极大地拓展了其在智能文档处理、复杂图像分析与深度视频理解等场景的应用潜力。

water的专栏 763

Qwen2-VL：让我们先把视觉理解干上去！（一）

作者：林俊旸（阿里巴巴 多模态&NLP）编辑：AI椰青正值前几天发布Qwen2-VL，大家应该在我们的博客或者各个公众号看到我们模型的表现，并且看到我们开源了Qwen2-VL-7B和Qwen2-VL-2B以及推出了Qwen2-VL-72B的API。如果你还没看过，请点击下面几个链接：Blog:https://qwenlm.github.io/blog/qwen2-vl/GitHub:htt...

weixin_40920183的博客 512

多模态模型大对决：小米MiMo-VL与千问Qwen2.5-VL实测效果揭秘！

实测MiMo-VL-7B的SFT和RL两个版本，均可以使用think或no-think，分别与Qwen2.5-VL-7B进行对比。

m0_63171455的博客 1621

基于Qwen2-VL多模态大模型比赛实践

通过本篇我们快速学习了如何使用Qwen2-VL来训练自己的业务，如果大家有类似的需求，可以动手尝试啦～，快去试试吧！咱们下期再见！

爱吃火锅的博客 2404

小米MiMo-VL VS 千问Qwen2.5-VL | 多模态模型实测

MiMo-VL-7B模型把一众多模态理解模型按在地上暴捶，尤其是Qwen2.5-VL，哈哈哈哈。

m0_59235699的博客 2311

云栖大会，猛开源！Qwen3-VL大模型评测：视觉理解能力的突破与局限！

云栖大会期间，阿里开源了12个多模态模型，包括Qwen3-VL等系列模型。Qwen3-VL相较Qwen2.5-VL在视觉编码器、投影器和LLM解码器等方面进行了优化，表现更佳。实测显示，Qwen3-VL在表格识别、OCR、计算推理等方面表现出色，但在网页复刻、目标对比等任务上仍有不足。总体来看，Qwen3-VL是目前开源多模态模型中的佼佼者，综合能力显著提升。

m0_59162248的博客 1654

【Qwen2-VL实战】多模态大模型比赛经验：一文搞定！

通过本篇我们快速学习了如何使用Qwen2-VL来训练自己的业务，如果大家有类似的需求，可以动手尝试啦～，快去试试吧！咱们下期再见！

2401_84204413的博客 1338

Qwen2.5-VL环境搭建&推理测试

Qwen2.5-VL模型不仅在对话、指令跟随、数学、代码等能力上有所提高，还支持坐标、json等返回格式、支持更长（1小时）的视频理解、更细粒度的时间感知、更全面的知识解析能力、具备更强的agent能力来操作手机和电脑。2025年春节期间，阿里推出Qwen2.5-VL，开源了3B、7B、72B模型，，能够处理图像和文本的联合任务，如图像描述生成、视觉问答（VQA）、图文匹配等。之前写了一篇Qwen2-VL的博客，感兴趣的童鞋请移步（），7B模型，显然我的机器是跑的起来的，OK，那就让我们开始吧。

zzq1989_的专栏 2172
上一篇： 字节三面被问RAG原理，5分钟就出来了…
下一篇： 小模型大智慧！港大重磅开源EasyRec，推荐系统进入语言模型时代
点赞 9
评论 0
书签 书签 12
Python_金钱豹
Python_金钱豹
博客等级 码龄5年 1万+粉丝 2835原创
+ 关注
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值