# Qwen2.5 VL 72B Instruct

> Мультимодальная модель анализирует изображения и текст: распознаёт объекты, читает документы и графики, помогает извлекать сведения и описывать визуальные данные.

- **ID для API:** `qwen/qwen2.5-vl-72b-instruct`
- **Тип Модели:** Чат-модель
- **Контекст:** 128 000 токенов
- **Максимум на ответ:** 115 200 токенов
- **Вход:** текст, изображение → **Выход:** текст

## Описание

#### Суть
Это инструкция-ориентированная визуально-языковая модель команды Qwen. Она принимает текст и изображения и формирует текстовые ответы: может описывать увиденное, отвечать на вопросы по картинке и связывать визуальные данные с запросом.

#### Сильные стороны
Модель предназначена не только для распознавания объектов. Она анализирует текст, графики, диаграммы, значки и расположение элементов на изображении. Среди заявленных разработчиками задач — чтение документов, извлечение структурированных сведений из счетов, форм и таблиц, а также локализация объектов с помощью координатных рамок или точек. Для результатов в структурированном виде можно запросить, например, JSON с данными и координатами.

#### Контекст и модальности
Согласно данным каталога, длина контекста составляет 32 768 токенов. На вход подаются текст и изображения, на выходе — текст. Хотя описание семейства Qwen2.5-VL упоминает работу с видео, видео не указано среди входных модальностей этой конфигурации.

#### Типовые сценарии
Подходит для описания изображений, распознавания надписей, анализа таблиц и диаграмм, разбора сканов и форм, извлечения ключевых полей и поиска объектов на изображении. Её можно использовать как помощника для первичной обработки визуальных материалов, когда результат удобно получить в свободном тексте или структурированном формате.

#### Ограничения
Распознанный текст, значения в таблицах и координаты объектов могут содержать ошибки, особенно если изображение размыто, мелко или сложено из сложных элементов. Результаты, влияющие на важные решения, следует проверять по оригиналу. Доступная конфигурация возвращает текст; отдельный графический результат среди выходных модальностей не указан.

#### Отличие от соседей по семейству
В семействе Qwen2.5-VL представлены варианты разного размера, включая 3B, 7B и 72B. Эта версия относится к крупнейшему из перечисленных вариантов и ориентирована на задачи, где важны возможности визуального анализа. В сравнении с предшествующим Qwen2-VL разработчики выделяют улучшения в распознавании, разборе документов и локализации объектов.

## Цены

- Запрос / 1М: 94,73 ₽
- Ответ / 1М: 118,41 ₽
- Чтение кэша / 1М: 47,36 ₽

## Параметры

max_tokens, temperature, top_p, frequency_penalty, presence_penalty, repetition_penalty, seed, stop, top_k, logit_bias, structured_outputs, response_format, logprobs, top_logprobs

## Провайдеры

Выбрать Провайдера можно параметром `provider` в запросе.

| Провайдер | Цена | Контекст | Макс. ответ | Данные в РФ | 152-ФЗ |
| --- | --- | --- | --- | --- | --- |
| parasail/fp8 | Запрос / 1М: 94,73 ₽; Ответ / 1М: 118,41 ₽ | 128 000 | 115 200 | — | — |

## Быстрый старт

```bash
curl https://polza.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $POLZA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "qwen/qwen2.5-vl-72b-instruct",
  "messages": [
    {
      "role": "user",
      "content": "Привет"
    }
  ]
}'
```

## Ссылки

- Страница: https://polza.ai/models/qwen/qwen2.5-vl-72b-instruct
- Каталог: https://polza.ai/models