Qwen2-VL-72B-Instruct现已加入 Serverless API，访问 Gitee AI 即可免费在线体验：https://ai.gitee.com/serverless-api?model=Qwen2-VL-72B
作为多模态技术的核心，视觉语言模型（Vision-Language Model, VLM）正在彻底改变我们与图像、视频和语言互动的方式。
今天，马建仓将带开发者们搞懂视觉语言模型，同时认识目前视觉语言模型的佼佼者——Qwen2-VL-72B-Instruct，帮助开发者解锁多模态智能应用的全新可能。
视觉语言模型（VLM）是一种通过结合大语言模型和视觉编码器构建的多模态 AI 系统，为大语言模型赋予了「看」的能力。它不仅能够处理文本输入，进行高级推理，并生成自然语言响应，还具备理解和处理提示中提供的图像输入的附加能力。
与传统计算机视觉模型（YOLO、DeepLab 等）不同，VLM 不受限于固定的类别集或特定任务（如分类或检测）。VLM 通过在大规模图文配对数据上进行预训练，将视觉编码器和大语言模型深度结合，实现了对自然语言指令的理解和执行，具备泛化至几乎任何类型视觉任务的能力。
VLM 的核心技术优势包括：
多模态输入：支持将图像和文本作为联合输入，深入理解它们之间的语义关系。 共享表征空间：通过预训练，将视觉和语言特征映射到同一表征空间，从而实现两种模态的无缝对齐。 生成与推理：既能根据图像生成自然语言描述，也能根据文本指令生成特定的视觉效果。
凭借这些能力，VLM 成为理解和生成多模态内容的重要工具，正在推动人工智能在多模态场景中的广泛应用。目前，VLM 已经广泛应用于多个场景：
图像识别理解：不仅能识别图像中的植物和地标，而且能理解场景中多个对象间的关系。
视觉推理：：能够通过分析图片解决问题，还可以解读复杂的数学问题，通过图表进行分析，甚至极端长宽比的图片也能正确解读。这种视觉感知与逻辑推理的结合，赋予模型解决实际问题的能力，让模型能够扮演生活中的小助手。
视频理解与实时聊天：能够总结视频要点、即时回答相关问题，并维持连贯对话，为用户提供更加直观且即时的帮助。
视频实时聊天
Visual Agent 能力：目前部分 VLM 已经初步具备一些能够利用视觉能力完成一些自动化的工具调用和交互。
在多模态技术的不断进化中，视觉语言模型的能力也在不断提升，上文应用场景中的案例，便均来自于千问大模型家族的视觉语言模型——Qwen2-VL-72B-Instruct。
Qwen2-VL-72B-Instruct是一款具备 720 亿参数的超大规模视觉语言模型。作为业界领先的代表性模型，它在多个视觉语言任务中都表现出了卓越的性能。
性能表现
在综合的大学题目、数学能力、文档表格多语言文字图像的理解、通用场景下的问答、视频理解、Agent 能力六个维度的评测中，Qwen2-VL-72B在大部分的指标上都达到了最优，甚至超过了 GPT-4o 和 Claude3.5-Sonnet 等闭源模型，特别是在文档理解方面优势明显，仅在对综合的大学题目上和 GPT-4o 还有差距。同时Qwen2-VL-72B也刷新了开源多模态模型的最好表现。
大规模的开源视觉语言模型虽然看起来很美好，但是真的想要部署在本地，则要面对硬件要求（如显存需达 80GB 以上）、复杂的软件环境配置（框架、驱动、优化工具）以及模型加载和推理性能的挑战。
为了更好地满足开发者们的使用需求，Qwen2-VL-72B-Instruct现已加入 Serverless API，无需额外部署复杂的基础设施，通过 API 即可轻松调用这个 720 亿参数的 VLM 「巨兽」。
使用 Serverless API 体验手写文本识别
<<< 左右滑动见更多 >>>
视觉语言模型正在为 AI 赋能新的想象空间，而Qwen2-VL-72B-Instruct的强大能力则为开发者提供了可靠的工具支持。
欢迎访问 Gitee AI 官网，通过 Serverless API 体验Qwen2-VL-72B-Instruct的强大功能，让我们一起探索多模态智能的无限可能！
Serverless API 还提供了文本生成、语音识别、语音生成、向量与重排模型、代码生成等多种类型下的多个大模型的 API 使用。同时，Gitee AI 也上线了模型资源包，通过极低的价格即可尽享众多主流模型。
