前言

Qwen2.5-VL 是 Qwen 推出的全新旗舰视觉语言模型，较前身 Qwen2-VL 实现了重大飞跃。该模型不仅能够识别花、鸟、鱼、昆虫等常见物体，还能分析图像中的复杂文本、图表、图标、图形和布局，为多模态 AI 树立了新标准。Qwen2.5-VL 具备高度代理能力，支持动态推理和工具指导，适用于计算机和手机等多种设备。

前排提示，文末有大模型AGI-CSDN独家资料包哦！

一、技术功能与优势

1. 模型概述

• Qwen2.5-VL 是 Qwen 推出的全新旗舰视觉语言模型。

• 较前身 Qwen2-VL 有重大飞跃，树立了多模态 AI 新标准。

2. 核心功能

• 物体识别：能够识别花、鸟、鱼、昆虫等常见物体。

• 复杂文本与图形分析：可分析图像中的文本、图表、图标、图形和布局。

准确率能达到80-90%，太飒了....

• 视频理解：支持超过一小时视频的理解，精确定位特定事件。

• 对象定位：通过生成边界框或点，准确定位图像中的对象。

• 结构化输出：提供稳定的 JSON 输出，支持坐标和属性。

4. 行业应用

• 文档处理：支持扫描文档（如发票、表格）的结构化输出。

• 金融与商业：在金融和商业领域具有重要应用价值。

5. 性能表现

• 在基准测试中表现优异，优于 Gemini 2 Flash、GPT-4o 和 Claude 3.5 Sonnet 等领先模型。

• 展现了处理多领域任务的多功能性。

二、本地部署Qwen2.5

在电脑上先安装好 Git 和 Python 环境。如果没有安装，可以自行下载安装。本文使用的是 Python 3.10.6 版本。点击下载 Python

1. 克隆 Qwen2.5-VL 仓库并进入项目目录

git clone https://github.com/QwenLM/Qwen2.5-VL   cd Qwen2.5-VL   

2. 安装 Web 应用程序所需的依赖项

pip install -r requirements_web_demo.txt   

3. 安装支持 CUDA 的 PyTorch

为确保与 GPU 兼容，请安装支持 CUDA 的最新版本的 PyTorch、TorchVision 和 TorchAudio。即使已经安装了 PyTorch，运行 Web 应用程序时也可能会遇到问题，因此建议更新：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124   

4. 更新 Gradio 和 Gradio Client

为避免连接和 UI 相关的错误，建议更新 Gradio 和 Gradio Client：

pip install -U gradio gradio_client   

5. 下载并安装模型

以下是模型的下载安装选项，总共有 3 个选择：

较小的 3B 模型 适合 GPU 内存有限的笔记本电脑（例如 8GB VRAM）：

python web_demo_mm.py --checkpoint-path "Qwen/Qwen2.5-VL-3B-Instruct"   

7B 模型 显存高于 8G 的可以选择 7B 模型，性能更强、效果更好：

python web_demo_mm.py --checkpoint-path "Qwen/Qwen2.5-VL-7B-Instruct"   

72B 模型 如果有专业级别的 GPU，可以直接使用 72B 的最大模型，性能最强：

python web_demo_mm.py --checkpoint-path "Qwen/Qwen2.5-VL-72B-Instruct"   

安装成功会出现如下页面

6. 启动 Web 应用程序

在浏览器中打开本地链接 http://127.0.0.1:7860 即可使用。   

7. 使用示例

您可以上传带有文本和多个图形的图像，并让模型对其进行解释。即使是较小的 3B 模型也表现出令人印象深刻的性能，可以识别图像中的复杂细节。

8. 替代方案

如果你的电脑硬件配置不足，无法本地部署 Qwen2.5-VL，可以直接使用官方提供的免费平台。虽然免费平台使用的是共享 GPU，并且有使用额度限制，但它的最大优势在于可以直接免费体验 Qwen2.5-VL 最强的 72B 模型！下面是测试效果，效果不错

9. 开源模型下载路径

Qwen2.5-VL 3个完整开源版本已经托管在hugging face上，可以自行去下载

https://huggingface.co/collections/Qwen/qwen25-vl-6795ffac22b334a837c0f9a5   

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓