具备多模态信息理解能力

阿里云旗下魔搭社区（ModelScope）宣布开源视觉语言模型Qwen-VL。据介绍，Qwen-VL以通义千问70亿参数模型Qwen-7B为基座语言模型研发，支持图文输入，具备多模态信息理解能力。相比之前的模型，Qwen-VL新增了视觉定位、图像中文字理解等功能，可以接受图像和多语言文本作为输入，并输出图像或文本。