自动操作

高性能多模态大模型，支持长视频理解与多语言视觉处理 Qwen2-VL-72B是多模态大模型，在MathVista、DocVQA等多个视觉理解基准测试取得领先性能，可支持超20分钟视频理解，能集成到手机、机器人等终端实现基于视觉和文本指令的自动操作，支持多语种图像文本理解，依托创新架构提升多模态处理能力。