阿里云通义开源Qwen2.5-VL，视觉理解能力全面超越GPT-4o

36氪获悉，今天凌晨，阿里云通义千问开源全新的视觉模型Qwen2.5-VL，夺得十余项权威评测中的视觉理解冠军，全面超越GPT-4o与Claude3.5。新的Qwen2.5-VL能够更准确地解析图像内容，突破性地支持超1小时的视频理解，无需微调就可变身为一个能操控手机和电脑的AI视觉智能体（Visual Agents），实现给指定朋友送祝福、电脑修图、手机订票等多步骤复杂操作。