32B本地部署！阿里开源最新多模态模型：主打视觉语言，数学推理也很强

西风 发自 凹非寺

量子位 | 公众号 QbitAI

发布Qwen2.5-VL-32B-Instruct。

此前开源家族视觉语言模型Qwen2.5-VL包括3B、7B和72B三种尺寸。

这一次的32B版本进一步兼顾尺寸和性能，可在本地运行。

同时经过强化学习优化，在三个方面改进显著：

• 回答更符合人类偏好；

• 拥有更强的数学推理能力；

• 在图像解析、内容识别以及视觉逻辑推导等任务中，表现出更强的准确性和细粒度分析能力。

对比近期开源的Mistral-Small-3.1-24B 、Gemma-3-27B-IT等， Qwen2.5-VL-32B在纯文本能力上也达到了同规模的SOTA表现。在多个基准上，Qwen2.5-VL-32B甚至超过了72B。

举个栗子，比如根据一张交通指示牌照片，Qwen2.5-VL-32B就能做如下精细的图像理解和推理：

我正在这条路上驾驶一辆大卡车，现在12点了。我能在13点之前到达110公里远的地方吗？

Qwen2.5-VL-32B首先对时间、距离、卡车限速进行分析，然后分步骤条理清晰推算出正确答案：

模型已经开源，尽管自己前往实测～

Qwen2.5-VL-32B更多表现示例

官方刚刚发布的技术博客中也放出了更多展示示例。

数学推理能力上，几何体分析也不在话下：

同样是先有问题分析环节，然后再分四个小步骤推理正确答案：

下面这种复杂难题也能解：

能够依次类推，归纳出构造规律：

像下面这种图片理解就更不在话下了：

多轮深度提问也可以：

模型开源，已能实测

现在，阿里已将Qwen2.5-VL-32B-Instruct放在了Hugging Face上。

在Qwen Chat上就能直接体验Qwen2.5-VL-32B，感兴趣的童鞋可以试试。

动作快的网友已经开始在MLX Community运行了：

在Hacker News上，网友也就DeepSeek和Qwen的举动进行了新一轮热烈讨论。网友纷纷表示：

开源赢了，奥特曼错了。

值得一提的是，春节期间，DeepSeek曾与阿里通义千问Qwen多次几乎同时发布新模型，这一次又双叒叕赶一块去了。

杭州，原来真的是商量着一起发？？？

参考链接：

[1]https://qwenlm.github.io/zh/blog/qwen2.5-vl-32b/

[2]https://x.com/Alibaba_Qwen/status/1904227859616641534

[3]https://news.ycombinator.com/item?id=43464068

（声明：本文仅代表作者观点，不代表新浪网立场。）