qwen

Qwen: Qwen2.5 VL 72B Instruct

qwen/qwen2.5-vl-72b-instruct

Nossa análise

Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.

qwen/qwen2.5-vl-72b-instruct é a variante instruct de 72 bilhões de parâmetros da família de visão e linguagem Qwen2.5-VL, listada no OpenRouter com entrada de texto e imagem e saída de texto, janela de contexto de 128 mil tokens e corte de conhecimento em junho de 2024. A ficha do modelo descreve análise de objetos e documentos, compreensão de gráficos, ícones e layouts, localização visual com caixas ou pontos, saídas JSON estruturadas para formulários e faturas, compreensão de vídeos longos e uso agêntico de computadores e telefones. As tabelas de benchmarks informadas pelo fornecedor parecem competitivas, mas não foram verificadas de forma independente neste pacote de fontes.[1][2]

Pontos fortes

A ficha do modelo relata forte compreensão de documentos e OCR, incluindo análise de textos, gráficos, ícones e layouts em imagens, além de extração JSON estruturada para faturas, formulários e tabelas.[2]
A documentação do fornecedor descreve localização visual por caixas delimitadoras e pontos, controle agêntico de computadores e telefones e compreensão de vídeos com mais de uma hora com identificação de eventos.[2]
A listagem do OpenRouter oferece janela de contexto de 128 mil tokens e parâmetros de saída estruturada; a ficha também indica resolução de imagem configurável para equilibrar qualidade e computação.[1][2]

Limitações

A evidência é um catálogo de marketplace e a ficha do próprio fornecedor; os números de benchmarks são informados pelo fornecedor e não verificados aqui, então valide com suas próprias cargas de trabalho.[1][2]
O OpenRouter lista apenas entrada de texto e imagem para esta ficha, enquanto a documentação afirma compreensão de vídeo, portanto o suporte a vídeo por esse endpoint não está confirmado.[1][2]
O corte de conhecimento é 2024-06-30; a ficha exige compilar o transformers a partir do código-fonte e adverte que o suporte a URLs de vídeo depende de bibliotecas de terceiros.[1][2]

Onde usar

Sugerido para inteligência documental: extração estruturada de dados de faturas, formulários, gráficos e layouts digitalizados.[2]
Sugerido para protótipos de localização visual ou agentes de interface em que importem caixas delimitadoras, pontos ou compreensão de tela.[2]
Sugerido para perguntas e respostas sobre vídeos longos ou localização de eventos quando a implantação realmente aceitar entrada de vídeo.[2]

Fontes

[1] OpenRouter catalog · Qwen: Qwen2.5 VL 72B InstructFontes consultadas: 13 de nov. de 2026
[2] Model documentation · Qwen: Qwen2.5 VL 72B InstructFontes consultadas: 13 de nov. de 2026

Sobre este modelo

A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.

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.

Especificações

ID do modelo: qwen/qwen2.5-vl-72b-instruct
Criador: qwen
Adicionado ao OpenRouter: 01.02.2025
Comprimento de contexto: 128,000
Modalidade: text+image->text
Modalidades de entrada: text, image
Modalidades de saída: text
Preço por token: USD por 1M de tokens: entrada $0.800 / saída $1
Corte de conhecimento: 30.06.2024
Data de expiração: —

Tarefas e capacidades

Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.

Tarefa	Nota	Capacidade declarada pela fonte
Qualidade geral	Sem medição	—
Programação	Sem medição	—
Agentes	Sem medição	parâmetros: structured_outputs
Escrita	Sem medição	saída: text
Raciocínio	Sem medição	—
Análise de documentos	Sem medição	—
Visão	Sem medição	entrada: image
Geração de imagens	Sem medição	—
Áudio	Sem medição	—
Vídeo	Sem medição	—
Embeddings	Sem medição	—

Avaliações

Não há avaliações fornecidas para este modelo.

Como funcionam as notas

Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.

S — S — top 10% da coorte
A — A — próximos 20% da coorte
B — B — próximos 30% da coorte
C — C — abaixo da faixa B

Provedores

Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.

Provedor	Comprimento de contexto	Preço entrada /1M	Preço saída /1M	Latência p50 (30m, s)	Taxa p50 (30m, tok/s)	Disponibilidade (30m)
Parasailfp8	128,000	$0.800	$1	—	—	100%

Dados de provedores obtidos: 13.11.2026

Nenhum artigo publicado identifica este modelo ainda.