通义开源32B视觉模型，阿里与DeepSeek前后脚上新！能看图说话

原标题：通义开源32B视觉模型，阿里与DeepSeek前后脚上新！能看图说话

导读：

直播吧月日讯常规赛快船在主场以击败灰熊此役哈登上阵分秒投中三分中罚球中砍下分篮板助攻抢断盖帽正负值为智东西月日报道昨天阿里云通义千问开源更小尺寸的视觉理解模型与昨夜新版本的发布...

直播吧3月22日讯NBA常规赛，快船在主场以128-108击败灰熊。此役，哈登上阵35分54秒14投8中，三分10中5、罚球10中9，砍下30分4篮板9助攻2抢断2盖帽，正负值为+24。

智东西3月25日报道，昨天，阿里云通义千问开源更小尺寸的视觉理解模型Qwen2.5-VL-32B-Instruct。与昨夜DeepSeek V3新版本DeepSeek-V3-0324的发布时间几乎前后脚。

Qwen2.5-VL-32B-Instruct的优势主要集中于三个方面：研究人员调整了输出风格，使其回答详细、格式规范且更符合人类偏好；在数学推理能力方面，可应对复杂问题；在图像解析、内容识别、视觉逻辑推导等任务中更准确并具备细粒度分析能力。

该模型是在1月底开源的视觉模型Qwen2.5-VL系列的基础上，研究人员基于强化学习持续优化的模型，新模型使用A che 2.0协议开源。

科技博主Simon Willison在博客中提到，32B参数正迅速成为其最喜欢的模型大小，既能达到可媲美GPT-4级别的能力，又小到可以在其64GB内存的Mac上使用，并且仍有足够的RAM来运行其他如火狐浏览器（Firefox）和软件开发工具Visual Studio Code等内存占用较大的应用程序。

GitHub地址：https://github.com/QwenLM/Qwen2.5-VL

Hugging Face地址：https://huggingface.co/Qwen/Qwen2.5-VL-32B-Instruct

一、一张图就能输出地理特征、地形地貌，几何难题也能胜任

Simon Willison尝试了Qwen2.5-VL-32B-Instruct的图片理解能力，他上传了一张图片让模型识别。Qwen2.5-VL-32B-Instruct给出了图片中包含的地理特征、分颜域、深度等值线、保护区等诸多要素。

博客中展示了Qwen2.5-VL-32B-Instruct在细粒度图像理解和数学方面的实际表现。

个提示词是：“我开着大货车在这条路上行驶，现在已经12点了，我能在13点之前到达110公里以外的地方吗？”模型需要在理解用户需求的基础上，补充图片上对车辆限速的背景信息再得出。

可以看到，Qwen2.5-VL-32B-Instruct先将题目和图片中的信息进行了汇总，然后进行逐步分析解答。

第二个问题是数学推理，提示词为：“如图所示，直线AB和CD在O点相交，OD平分∠AOE，∠BOC=50.0，然后∠EOB= ”这道题重点考察的是模型够准确理解几何图形的基本概念，以及相关角之间的位置关系，如对顶角、角平分线等概念在图形中的体现。

第三个提示词是：“侏罗纪蜘蛛网是一种有规律的蜘蛛网，如图，它是由无数个正方形环绕而成的，且最外边个正方形A_{1}B_{1}C_{1}D_{1}的面积为a_{1}=1，分别取正方形A_{1}B_{1}C_{1}D_{1}各边的三等分点A_{2}，B_{2}，C_{2}，D_{2}，作第二个正方形A_{2}B_{2}C_{2}D_{2}，且正方形A_{2}B_{2}C_{2}D_{2}的面积为a_{2}，\ldots \ldots ，依次类推，第n个正方形A_{n}B_{n}C_{n}D_{n}的面积为a_{n}. $求{a_{n}}的通项公式”。