阿里开源最新多模态模型 Qwen2.5-VL-32B：主打视觉语言，数学推理也很强

在 DeepSeek-V3 更新的同一夜，阿里又推出了通义千问 Qwen 的新版本——Qwen2.5-VL-32B-Instruct。

之前已发布的开源家族视觉语言模型 Qwen2.5-VL 包含 3B、7B 和 72B 三个不同的尺寸。

而这次的 32B 版本在尺寸与性能之间取得了更好的平衡，支持本地运行。同时经过强化学习的改进，在以下三个方面表现尤为突出：

• 更能符合人类的回答偏好；

• 具备更强的数学推理能力；

• 在图像解析、内容识别以及视觉逻辑推导等任务中，展现出了更高的准确性和细粒度分析能力。

与近期开源的 Mistral-Small-3.1-24B 和 Gemma-3-27B-IT 等相比，Qwen2.5-VL-32B 在文本处理能力上也实现了与同规模模型相当的 SOTA 表现。在多个基准测试中，Qwen2.5-VL-32B 甚至超过了 72B 版本。

例如，根据一张交通指示牌的照片，Qwen2.5-VL-32B 能进行如下细致的图像理解和推理：

我正在这条路上开一辆大卡车，现在是12点。我在13点之前能否到达110公里远的地方？

Qwen2.5-VL-32B 会首先分析时间、距离及卡车的限速，然后逐步推算得出正确的答案：

模型已经开源，大家可以前往自行测试～

Qwen2.5-VL-32B 更多表现示例

官方最近发布的技术博客中也展示了更多示例。

在数学推理方面，几何体分析也游刃有余：

同样，先进行问题分析，然后再通过四个小步骤推导出正确答案：

下列复杂问题也可以顺利解决：

它能够逐一推理，归纳出构造规律：

而对于下述图片理解则显而易见：

模型同样支持多轮深度提问：

模型开源，已能实测

如今，阿里已将 Qwen2.5-VL-32B-Instruct 放在 Hugging Face 上。

用户可以直接在 Qwen Chat 上体验 Qwen2.5-VL-32B，感兴趣的朋友可以尝试一下。

一些反应迅速的用户已经在 MLX Community 中运行了该模型：

Hacker News 上，网友就 DeepSeek 和 Qwen 的最新动向展开了新的热烈讨论，纷纷表示：

开源的胜利，奥尔特曼错了。

值得注意的是，在春节时期，DeepSeek 和阿里通义千问 Qwen 多次几乎同时发布了新模型，这次又一次带着惊喜一起发布。

看来，杭州确实是在商量着一起发布？？？

参考链接：

• [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

本文来自微信公众号：量子位（ID：QbitAI），作者：西风，原标题《32B 本地部署！阿里开源最新多模态模型：主打视觉语言，数学推理也很强》