qwen
Qwen: Qwen2.5 VL 72B Instruct
qwen/qwen2.5-vl-72b-instruct
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
qwen/qwen2.5-vl-72b-instruct es la variante instruct de 72.000 millones de parámetros de la familia de visión y lenguaje Qwen2.5-VL, catalogada en OpenRouter con entrada de texto e imagen y salida de texto, una ventana de contexto de 128.000 tokens y corte de conocimiento en junio de 2024. Su ficha describe análisis de objetos y documentos, comprensión de gráficos, iconos y diseños, localización visual con cajas o puntos, salidas JSON estructuradas para formularios y facturas, comprensión de vídeos largos y uso agéntico de ordenadores y teléfonos. Las tablas de benchmarks aportadas por el proveedor parecen competitivas, pero no están verificadas de forma independiente en este paquete de fuentes.[1][2]
Puntos fuertes
- La ficha del modelo reporta sólida comprensión de documentos y OCR, incluido análisis de textos, gráficos, iconos y diseños dentro de imágenes, además de extracción JSON estructurada para facturas, formularios y tablas.[2]
- La documentación del proveedor describe localización visual mediante cajas delimitadoras y puntos, control agéntico de ordenadores y teléfonos, y comprensión de vídeos de más de una hora con localización de eventos.[2]
- El listado de OpenRouter ofrece una ventana de contexto de 128.000 tokens y parámetros de salida estructurada; la ficha también indica resolución de imagen configurable para equilibrar calidad y cómputo.[1][2]
Limitaciones
- La evidencia es un catálogo de mercado y la ficha del propio proveedor; las cifras de benchmarks son declaradas por el proveedor y no verificadas aquí, por lo que conviene validar con cargas de trabajo propias.[1][2]
- OpenRouter solo lista entrada de texto e imagen para esta ficha mientras la documentación afirma comprensión de vídeo, así que el soporte de vídeo a través de ese endpoint no está confirmado.[1][2]
- El corte de conocimiento es 2024-06-30; la ficha exige compilar transformers desde el código fuente y advierte que el soporte de URL de vídeo depende de librerías de terceros.[1][2]
Dónde utilizarlo
- Sugerido para inteligencia documental: extracción estructurada de datos de facturas, formularios, gráficos y diseños escaneados.[2]
- Sugerido para prototipos de localización visual o agentes de interfaz donde importen cajas delimitadoras, puntos o comprensión de pantalla.[2]
- Sugerido para preguntas y respuestas sobre vídeos largos o localización de eventos cuando el despliegue admita realmente entrada de vídeo.[2]
Fuentes
- [1] OpenRouter catalog · Qwen: Qwen2.5 VL 72B InstructFuentes consultadas: 13 nov 2026
- [2] Model documentation · Qwen: Qwen2.5 VL 72B InstructFuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
Qwen2.5-VL is proficient in recognizing common objects such as flowers, birds, fish, and insects. It is also highly capable of analyzing texts, charts, icons, graphics, and layouts within images.
Especificaciones
- ID del modelo
- qwen/qwen2.5-vl-72b-instruct
- Creador
- qwen
- Añadido a OpenRouter
- 01.02.2025
- Longitud de contexto
- 128,000
- Modalidad
- text+image->text
- Modalidades de entrada
- text, image
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.800 / salida $1
- Corte de conocimiento
- 30.06.2024
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | — |
| Programación | Sin medición | — |
| Agentes | Sin medición | parámetros: structured_outputs |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | — |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | entrada: image |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
No hay evaluaciones aportadas para este modelo.
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| Parasailfp8 | 128,000 | $0.800 | $1 | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.