Qwen2-VL开源，让我感觉新的时代要来了！

最新推荐文章于 2025-06-28 11:36:01 发布
原创 最新推荐文章于 2025-06-28 11:36:01 发布 · 1.5k 阅读 · 12 ·
CC 4.0 BY-SA版权
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。
文章标签：

#embedding #react.js #人工智能 #前端 #算法

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

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
理论都是虚的，代码才是王道。
01-28 7万+
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。
未来已来？国内15家AI大模型应用盘点（附体验网址，持续更新）
热门推荐
Code_流苏：在代码中寻诗意，在实践中觅真知
03-21 11万+
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！
从小白到专家：DeepSeek 模型硬件配置完全指南
dl1286670932的博客
02-07 3912
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。
TensorFlow相关组件的安装
AAI666666的博客
01-11 3022
TensorFlow相关组件的安装
最近，大模型岗位爆了。。。
qq_46094651的博客
02-16 579
重磅消息，国资委打响了国内AI第一枪！这意味着传统行业又迎来了一次大洗牌，现在国内头部人工智能公司已经开始用AI数字人助力各行各业，除此之外，知名大厂也都在布局AI市场。懂的程序员年薪已经翻到风口之下，与其焦虑被行业淘汰，不如先人一步掌握 AI 大模型技术。为帮助大家提升竞争力，为了帮助普通程序员享受时代红利，
开源模型应用落地-qwen模型小试-调用Qwen2-VL-7B-Instruct-更清晰地看世界（一）
以微薄之力，予他人些许温暖.
09-17 2万+
掌握Qwen2-VL提升职业发展增添强大的竞争力
开源模型应用落地-qwen模型小试-调用Qwen2-VL-7B-Instruct-更清晰地看世界-vLLM+Docker（七）
以微薄之力，予他人些许温暖.
10-11 2万+
通过vLLM的Docker镜像，快速体验Qwen2-VL-7B-Instruct推理效果
开源模型应用落地-qwen模型小试-调用Qwen2-VL-7B-Instruct-更清晰地看世界-Lora-V100（四）
以微薄之力，予他人些许温暖.
09-26 2万+
使用LLaMA-Factory高效微调qwen2-vl-7b-instruct
开源模型应用落地-Qwen2-VL-7B-Instruct-vLLM-OpenAI API Client调用
以微薄之力，予他人些许温暖.
10-24 7742
使用OpenAI API接入方式调用Qwen2-VL-7B-Instruct模型进行推理
开源模型应用落地-qwen模型小试-调用Qwen2-VL-7B-Instruct-更清晰地看世界-集成vLLM（二）
以微薄之力，予他人些许温暖.
09-18 2万+
掌握Qwen2-VL与vLLM集成，提升职业发展增添强大的竞争力
阿里研究院：2024大模型训练数据白皮书.pdf
06-30
《阿里研究院：2024大模型训练数据白皮书》是一份全面分析大模型训练数据领域现状、挑战和未来发展的报告。报告深入探讨了训练数据的来源、质量、标注、安全以及隐私保护等方面，为大模型训练提供了丰富的数据洞察和策略建议。该白皮书不仅总结了当前大模型训练数据的应用现状，还预测了未来数据需求的趋势，并对数据安全和隐私保护提出了重要的思考。
揭秘未来文档处理：多模态 GraphRAG 如何融合文档智能、知识图谱与大型模型
m0_63171455的博客
04-27 746
文档智能解析技术链路与文档层级关系构建首先来整体介绍一下文档智能解析技术方案。上图中对传统RAG和微软GraphRAG的链路进行了对比，GraphRAG在知识库和知识图谱的构建方面开展了大量工作。知识库的构建是整个流程中至关重要的一个环节，所以接下来会重点介绍知识库和文档构建的技术链路。文档处理技术经历了一系列演变，从早期基于规则模板，发展到利用PDFParse等工具来进行解析，再到基于深度学习的版面分析。
23张PPT搞懂DeepSeek核心技术！
QcloudCommunity的博客
02-12 2190
DeepSeek 作为AI 大模型其中的佼佼者，各种突破与创新不断涌现，正引领着人工智能发展的新方向；本文以 PPT 式风格直观呈现技术精髓，深入揭秘 DeepSeek 核心技术。关注腾讯云开发者，一手技术干货提前解锁????今晚7:30还有腾讯云工程师还将现场演示教你 DeepSeek 丝滑部署的 N 种方式，记得预约直播！????DeepSeek 核心技术大揭秘，以 “PPT 式风格” 更好地展现核心技术...
中国信通院：智能体技术和应用研究报告（2025年）
最新发布
weixin_55366265的博客
06-28 2084
任务规划：通过任务分解策略将复杂任务拆分为子任务，结合 ReAct、Reflexion 等技术实现自主规划与动态调整，利用 LLM+P、ToT 等方法解决长期规划问题，并通过 CoH 技术提升与人类价值观的对齐程度，以高效完成目标任务。多体协作架构：集中式、分布式与分层式架构适配不同场景，如中兴通讯的故障监控专家通过多智能体协同，将跨专业故障定位准确率从 70% 提升至 90% 以上。智能体是基于大模型的自主代理，具备感知、决策、执行等能力，能将模型能力转化为任务执行能力，破解大模型 “有脑无手” 困局。
AI菜鸟向前飞 — LLM简介
2401_82469710的博客
05-11 2229
AI菜鸟向前飞 — LLM简介
分享一些开源的Dify工作流，各种小工具好用又简单（带私活源码）
m0_68103752的博客
10-13 6232
Dify现在的用户量很多，只不过有时候懒，工作流不愿意自己搭。 都想用现成的，总要有为爱发电的人去开源。
DeepSeek + Python 提效测试用例生成落地
weixin_44872675的博客
02-05 4252
通过 DeepSeek 结合自动化测试工具（如 Selenium 或 pytest），将生成的测试用例转化为自动化测试脚本。结合 DeepSeek 的语义分析功能，检查测试用例是否覆盖所有需求，并补充遗漏的测试场景。构建统一的测试用例库，支持整个团队通过 DeepSeek 查询和复用测试用例，减少重复劳动。的能力扩展到测试用例生成场景，并探讨具体的落地实践和可扩展的应用场景。将测试用例与历史缺陷关联，生成针对性用例，确保修复的缺陷不会再次出现。通过关键词提取和语义分析，解析需求文档中的重要信息。
qwen2-vl和qwen-vl有啥不同？
03-18
<think>好的，我现在需要帮助用户比较Qwen2-VL和Qwen-VL的区别。首先，我需要确认用户提供的引用内容。引用1提到了Qwen2-VL的特点，比如支持不同分辨率和长宽比的图片、长视频理解、作为智能体以及多语言支持，还提到架构上的改进，比如动态分辨率和多模态旋转位置嵌入。引用2是关于Qwen2-VL的部署步骤，可能对差异分析帮助不大，但需要注意是否有版本相关的信息。 用户的问题是要了解这两个模型的主要差异。首先，我需要回忆或查找Qwen-VL的信息，可能用户之前了解过Qwen-VL，现在想看看升级版Qwen2-VL有什么改进。根据引用1，Qwen2-VL在视觉能力评估中表现更好，特别是在细节识别、推理、视频理解和实时聊天方面。这可能意味着Qwen-VL在这些方面相对较弱。 接下来，架构方面，Qwen2-VL延续了ViT加Qwen2的串联结构，但升级了动态分辨率和位置嵌入。动态分辨率处理可能让模型更灵活处理不同尺寸的图片，而多模态旋转位置嵌入可能提升处理长文本或多模态数据的能力。这些都是Qwen2-VL的改进点。 另外，引用1提到Qwen2-VL开源了2B和7B版本，而Qwen-VL可能有不同的参数规模？或者之前的版本是Qwen-VL，现在升级到Qwen2-VL，参数更大，比如72B的API版本。这可能说明模型规模上的扩展。 性能方面，Qwen2-VL在多个评估中表现优异，可能在基准测试中比Qwen-VL有更高的分数。应用场景方面，Qwen2-VL适合需要更高精度和复杂推理的任务，比如手机、机器人视觉智能体，而Qwen-VL可能适用于基础任务。 还需要注意多语言支持是否是Qwen2-VL新增的，或者是否有增强。比如，原来的Qwen-VL可能支持中文，而Qwen2-VL扩展到更多语言。 总结下来，主要差异可能包括：模型架构优化、处理能力（动态分辨率、视频理解）、性能提升、应用场景扩展、多语言支持以及模型规模的增加。需要将这些点分条列出，确保引用正确，比如引用1提到的内容作为支持。 最后，生成相关问题时要围绕这些差异，比如性能对比、架构差异、适用场景等。</think>### Qwen2-VL 与 Qwen-VL 的主要差异对比 #### 1. **架构升级** - **Qwen2-VL**：延续了 ViT（Vision Transformer）加 Qwen2 的串联结构，**新增对原生动态分辨率的支持**，能处理不同尺寸和长宽比的图片；引入**多模态旋转位置编码（MRPE）**，增强了多模态对齐能力[^1]。 - **Qwen-VL**：基于早期版本的架构，可能受限于固定分辨率输入，对复杂多模态任务的支持较弱。 #### 2. **视觉理解能力** - **Qwen2-VL**：在细节识别（如小物体检测）、视觉推理（如复杂场景关系理解）、长视频理解（支持超过1分钟的视频）等方面表现显著提升，支持**实时多轮交互**（如聊天场景）。 - **Qwen-VL**：早期版本可能在长视频处理和细粒度推理任务中存在性能瓶颈。 #### 3. **应用场景扩展** - **Qwen2-VL**：定位为**视觉智能体**，可部署于手机、机器人等终端，支持更复杂的多模态交互（如文档解析、图文问答）。 - **Qwen-VL**：早期版本更多聚焦于基础图文任务（如图像描述、简单问答）。 #### 4. **多语言支持** - **Qwen2-VL**：强化了**多语言图文理解能力**，支持中、英、日、韩等语言的混合输入与生成。 - **Qwen-VL**：可能以中文为核心，其他语言支持有限。 #### 5. **模型规模与性能** - **Qwen2-VL**：开源了 **2B** 和 **7B** 参数版本，并提供 **72B API** 服务，在综合评估中视觉能力达到业界领先水平。 - **Qwen-VL**：早期版本参数规模较小（如 1.8B、7B），性能相对受限。 ---
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
 
红包 添加红包
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