Qwen2.5 VL 72B Instruct
Qwen2.5 VL 72B Instruct, publié par Qwen le 28 janvier 2025, accepte en entrée du texte, des images et des vidéos. Il s’utilise comme modèle de chat avec la bibliothèque transformers ; l’exemple de sa carte lui envoie une image avec la consigne de la décrire.
À quoi sert Qwen2.5 VL 72B Instruct
Chat
Qwen2.5-VL-72B-Instruct s’utilise comme modèle de chat avec la bibliothèque transformers : dans l’exemple de code de sa carte, il reçoit une image accompagnée d’une consigne lui demandant de la décrire. Selon Qwen, la série Qwen2.5-VL joue aussi, à sa sortie, le rôle d’agent visuel qui raisonne et dirige des outils de façon dynamique, et elle est « capable » d’utiliser un ordinateur et un téléphone.
Vision et compréhension
Qwen2.5-VL, la série à laquelle appartient ce modèle, est présentée à sa sortie par Qwen comme « compétente » pour reconnaître des objets courants : fleurs, oiseaux, poissons et insectes. Elle est également « hautement capable » d’analyser les textes, les graphiques, les icônes, les illustrations et les mises en page des images.
Selon Qwen, la série Qwen2.5-VL localise à sa sortie les objets dans une image « avec précision », en produisant des boîtes englobantes ou des points. Pour les coordonnées et les attributs, elle fournit des sorties JSON « stables ». Elle prend aussi en charge des sorties structurées issues de scans de factures, de formulaires et de tableaux, avec des usages en finance et dans le commerce.
À sa sortie, la série Qwen2.5-VL dispose de QwenVL HTML, son format d’analyse de documents qui extrait la mise en page à partir du HTML. Parmi les documents concernés figurent les magazines, les articles de recherche, les pages web et les captures d’écran de mobile. Selon Qwen, la série comprend aussi des vidéos de plus d’une heure et repère un événement en désignant les passages qui le contiennent.
- Chat
- Vision et compréhension1121
Comment lire ces scores
Le score est un Elo calculé par Arena, d'après des duels à l'aveugle : plus il est haut, plus le modèle l'emporte souvent face aux autres. Quand un modèle existe en plusieurs niveaux de réflexion, seul son meilleur score est retenu.
Essayer Qwen2.5 VL 72B Instruct
Où l'utiliser pour de vrai, puis des exemples à copier pour découvrir ce qu'il sait faire.
Où l'essayer
- Tester cette version du modèlePlateforme externeSur OpenRouter, plateforme externe à Aikiwi · Compte et crédits requis · Payant à l'usage : 0,80 $ en entrée, 1 $ en sortie par million de tokensOuvrir sur OpenRouter
Quoi lui demander
- Vision et compréhension
Décrire une image
Voir ce qu'il remarque, et s'il s'en tient à ce qu'il voit.
Joignez n'importe quelle photo : une rue, une pièce, un paysage.
Décris cette image pour quelqu'un qui ne peut pas la voir : d'abord l'essentiel en une phrase, puis les détails importants. N'invente rien de ce qui n'est pas visible. - Chat
Expliquer un sujet simplement
Voir s'il rend clair un sujet technique, sans jargon.
Explique-moi comment fonctionne une pompe à chaleur, comme à quelqu'un qui n'y connaît rien. Utilise une comparaison tirée de la vie quotidienne, puis dis-moi en trois points ce qui fait varier sa consommation d'électricité. - Vision et compréhension
Lire une photo de document
Voir s'il lit les chiffres sans les inventer.
Joignez la photo d'un ticket de caisse, d'une facture ou d'un menu.
Voici la photo d'un ticket de caisse. Liste les articles avec leur prix, vérifie que le total est juste, et signale ce qui est illisible plutôt que de le deviner.
Les réponses changent d'un essai à l'autre et selon la plateforme. Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites.
Les performances de Qwen2.5 VL 72B Instruct
Qwen2.5-VL-72B-Instruct obtient, selon Qwen à sa sortie, des performances « compétitives » sur des tests couvrant les problèmes de niveau universitaire, les mathématiques, la compréhension de documents, les questions générales, la compréhension vidéo et les tâches d’agent visuel. Dans son billet d’annonce, Qwen attribue aussi à la famille Qwen2.5-VL des avantages « significatifs » pour comprendre les documents et les diagrammes, ainsi que la capacité à jouer le rôle d’agent visuel sans ajustement propre à la tâche.
Selon Qwen, Qwen2.5-VL-72B devance Qwen2-VL-72B sur MMMU (val), avec 70,2 contre 64,5, et sur MathVista (mini), avec 74,8 contre 70,5. En compréhension de documents, il obtient 96,4 sur DocVQA (val), contre 96,1 pour Qwen2-VL-72B, et 79,8 sur CC-OCR, contre 68,7.
Selon Qwen, en compréhension vidéo, Qwen2.5-VL-72B obtient 47,3 sur LVBench contre 41,3 pour Qwen2-VL-72B, et 73,3 sur VideoMME sans sous-titres contre 71,2. Pour les tâches d’agent visuel, il obtient 43,6 sur ScreenSpot Pro contre 1,6, et 93,7 sur Android Control Low_EM contre 59,2.
Caractéristiques techniques de Qwen2.5 VL 72B Instruct
Qwen2.5 VL 72B Instruct est sorti le 28 janvier 2025. Il accepte en entrée du texte, des images et des vidéos.
Qwen2.5 VL 72B Instruct a une fenêtre de contexte de 32 768 tokens dans la configuration publiée par Qwen (fichier config.json) ; pour traiter les entrées plus longues, Qwen utilise YaRN.
Selon Qwen, à sa sortie, l’encodeur visuel ViT est entraîné depuis zéro : quatre couches utilisent l’attention complète, les autres l’attention par fenêtre, avec une fenêtre de 8 × 8 au plus. L’entraînement à fréquence d’images dynamique et l’encodage du temps absolu permettent au modèle d’apprendre le rythme du temps dans une vidéo.
Selon Qwen, les poids sont publiés sous Qwen License, dont les conditions figurent dans le fichier LICENSE sur Hugging Face. Pour un usage commercial dans un produit de plus de 100 millions d’utilisateurs actifs par mois, cette licence impose une demande de licence à Alibaba Cloud.
- Éditeur
Alibaba (Qwen)
- Produit
- Texte
- Sortie
- Contexte
- 128 k tokens
- Réponse maximale
- 115 k tokens
- Réflexion
- Non prise en charge
- Connaissances jusqu'à
- juin 2024
- Tâches
- Vision et compréhension
- Entrées
- Texte, Image
- Licence
- Qwen License
- Paramètres pris en charge (noms techniques de l'API)
structured_outputstemperaturetop_pseedstoplogprobsresponse_formatmax_tokens- Hébergeurs
- Parasail
Source : OpenRouter, relevé du 22/11/2026.
Où utiliser Qwen2.5 VL 72B Instruct
À sa sortie, Qwen2.5 VL 72B Instruct pouvait être essayé sur Qwen Chat. Sur OpenRouter, il est servi avec une fenêtre de contexte de 128 000 tokens. La carte d’accès indique les derniers prix relevés.
Selon Qwen, les modèles de base et Instruct de la série Qwen2.5-VL étaient ouverts sur Hugging Face et ModelScope à sa sortie, dans les tailles 3B, 7B et 72B. Une version quantifiée AWQ dans ces mêmes tailles a été publiée le 20 février 2025 avec le rapport technique de Qwen2.5-VL.
L'API chez des hébergeurs
Servi par d'autres hébergeurs que Alibaba (Qwen), selon OpenRouter
Chez OpenRouter, prix de son seul hébergeur actif (relevé du 22/11/2026) : 0,80 $ / M tokens en entrée, 1 $ / M tokens en sortie.
Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites : nous ne l'attribuons pas au modèle seul.
Qwen2.5 VL 72B Instruct parmi les versions de Qwen VL
Qwen2.5 VL 72B Instruct est la version de 72 milliards de paramètres ajustée aux instructions de la série Qwen2.5-VL, publiée le 28 janvier 2025. À sa sortie, Qwen présente cette série comme son nouveau modèle vision-langage phare et comme « un bond important » par rapport à la génération précédente, Qwen2-VL : cette appréciation est celle de l’éditeur.
À sa sortie, selon Qwen, la série Qwen2.5-VL était publiée en trois tailles, de 3, 7 et 72 milliards de paramètres. Qwen3 VL 235B A22B Instruct, sorti le 23 septembre 2025, appartient à la génération Qwen3 VL, sortie après elle. La frise des versions situe Qwen2.5 VL 72B Instruct parmi les versions de Qwen VL, avec leur mois de sortie.
Les versions sélectionnées
| Repères | Qwen2.5 VL 72B InstructVous êtes ici | Qwen3 VL 235B A22B Thinking | Qwen3 VL 235B A22B Instruct | Qwen3 VL 30B A3B Thinking | Qwen3 VL 30B A3B Instruct | Qwen3 VL 8B Thinking | Qwen3 VL 8B Instruct | Qwen3 VL 32B Instruct |
|---|---|---|---|---|---|---|---|---|
| Elo | 1395 | 1413 | ||||||
| Sortie | ||||||||
| Contexte | 128 k tokens | 131 k tokens | 262 k tokens | 262 k tokens | 262 k tokens | 131 k tokens | 262 k tokens | 131 k tokens |
| Prix d'entrée | 0,80 $ / M tokens | 0,40 $ / M tokens | 0,20 $ / M tokens | 0,29 $ / M tokens | 0,15 $ / M tokens | 0,18 $ / M tokens | 0,25 $ / M tokens | 0,10 $ / M tokens |
| Prix de sortie | 1 $ / M tokens | 4 $ / M tokens | 0,88 $ / M tokens | 1 $ / M tokens | 0,60 $ / M tokens | 2,10 $ / M tokens | 0,75 $ / M tokens | 0,42 $ / M tokens |
| Entrées | Texte, Image | Texte, Image | Texte, Image | Texte, Image | Texte, Image | Texte, Image | Texte, Image | Texte, Image |
| Réflexion | Non prise en charge | Toujours active | Non prise en charge | Toujours active | Non prise en charge | Toujours active | Non prise en charge | Non prise en charge |
| Tâches | Vision et compréhension | Aide au code, Affaires et finance, Juridique, Mathématiques, Conversation à plusieurs tours, Prompts difficiles, Rédaction créative, Santé et bien-être, Suivi de consignes, Vision et compréhension | Aide au code, Affaires et finance, Juridique, Mathématiques, Conversation à plusieurs tours, Prompts difficiles, Rédaction créative, Santé et bien-être, Suivi de consignes, Vision et compréhension | |||||
| Ce qui le distingue | Qwen2.5 VL 72B Instruct, publié par Qwen le 28 janvier 2025, accepte en entrée du texte, des images et des vidéos. Il s’utilise comme modèle de chat avec la bibliothèque transformers ; l’exemple de sa carte lui envoie une image avec la consigne de la décrire. | Qwen3 VL 235B A22B Thinking, publié par Qwen le 23 septembre 2025 sous licence Apache 2.0, est spécialement optimisé pour le raisonnement scientifique et mathématique. Il accepte le texte et les images en entrée, et sa réflexion est toujours active. | Qwen3 VL 235B A22B Instruct, publié par Qwen et sorti le 23 septembre 2025, accepte du texte et des images en entrée, avec une fenêtre de contexte de 262 144 tokens. Il s’utilise comme modèle de chat avec la bibliothèque transformers et sait raisonner sur une image en appelant des outils. | Qwen a publié Qwen3 VL 30B A3B Thinking le 4 octobre 2025, en même temps que l’édition Instruct de la même taille. Il s’utilise comme modèle de chat avec transformers et appartient à la génération Qwen3-VL, qui lit le texte dans les images. | Qwen3 VL 30B A3B Instruct, publié par Qwen, est sorti le 4 octobre 2025. Il accepte du texte et des images, a une fenêtre de contexte native de 262 144 tokens et s’utilise comme modèle de chat avec la bibliothèque transformers. | Qwen publie Qwen3 VL 8B Thinking, sorti le 15 octobre 2025 et utilisable comme modèle de chat avec la bibliothèque transformers. Il accepte des images et du texte en entrée, avec un contexte natif de 256K tokens, extensible à 1M. | Qwen3 VL 8B Instruct, de Qwen, est sorti le 15 octobre 2025 et lit l’image et le texte en entrée. C’est un modèle de chat, utilisable avec la bibliothèque transformers, dont les poids sont publiés sur Hugging Face sous licence Apache 2.0. | Qwen3 VL 32B Instruct est un modèle publié par Qwen le 21 octobre 2025. Selon Qwen, il s’utilise comme modèle de chat avec la bibliothèque transformers ; l’exemple de sa carte lui envoie une image avec la consigne de la décrire. |
Les repères sont ceux renseignés dans l'annuaire ; un repère absent de toutes les versions sélectionnées n'est pas affiché. Comparaison complète dans le comparateur
La génération Qwen 2
FAQ
Quand Qwen2.5 VL 72B Instruct est-il sorti ?
Qwen2.5 VL 72B Instruct est sorti le 28 janvier 2025, avec la série Qwen2.5-VL.
Que peut lire Qwen2.5 VL 72B Instruct ?
Qwen2.5 VL 72B Instruct accepte en entrée du texte, des images et des vidéos. Selon Qwen, la série Qwen2.5-VL est, à sa sortie, compétente pour reconnaître des objets courants comme les fleurs, les oiseaux, les poissons et les insectes, et hautement capable d’analyser les textes, les graphiques, les icônes, les illustrations et les mises en page dans les images.
Quelle est la fenêtre de contexte de Qwen2.5 VL 72B Instruct ?
Qwen2.5 VL 72B Instruct a une fenêtre de contexte de 32 768 tokens dans le fichier config.json publié par Qwen. Au-delà, Qwen utilise YaRN pour traiter les entrées plus longues.
Quelle génération précède Qwen2.5 VL 72B Instruct ?
Qwen2.5 VL 72B Instruct appartient à la série Qwen2.5-VL, présentée à sa sortie par Qwen comme succédant à la génération Qwen2-VL. Selon Qwen, Qwen2.5-VL-72B obtient 70,2 au test MMMU (val), contre 64,5 pour Qwen2-VL-72B. Au test MathVista (mini), il obtient 74,8, contre 70,5 pour Qwen2-VL-72B.