就在 DeepSeek V3「小版本更新」后的幾個小時，阿里通義千問團(tuán)隊也開源了新模型。

擇日不如撞日，Qwen2.5-VL-32B-Instruct 就這么來了。

相比此前的 Qwen2.5-VL 系列模型，32B 模型有如下改進(jìn)：

• 回復(fù)更符合人類主觀偏好：調(diào)整了輸出風(fēng)格，使回答更加詳細(xì)、格式更規(guī)范，并更符合人類偏好。
• 數(shù)學(xué)推理能力：復(fù)雜數(shù)學(xué)問題求解的準(zhǔn)確性顯著提升。
• 圖像細(xì)粒度理解與推理：在圖像解析、內(nèi)容識別以及視覺邏輯推導(dǎo)等任務(wù)中表現(xiàn)出更強的準(zhǔn)確性和細(xì)粒度分析能力。

對于所有用戶來說，在 Qwen Chat 上直接選中 Qwen2.5-VL-32B，即可體驗：https://chat.qwen.ai/

32B 版本的出現(xiàn)，解決了「72B 對 VLM 來說太大」和「7B 不夠強大」的問題。如這位網(wǎng)友所說，32B 可能是多模態(tài) AI Agent 部署實踐中的最佳選擇：

不過團(tuán)隊也介紹了，Qwen2.5-VL-32B 在強化學(xué)習(xí)框架下優(yōu)化了主觀體驗和數(shù)學(xué)推理能力，但主要還是基于「快速思考」模式。

下一步，通義千問團(tuán)隊將聚焦于長且有效的推理過程，以突破視覺模型在處理高度復(fù)雜、多步驟視覺推理任務(wù)中的邊界。

32B 可以比 72B 更聰明

先來看看性能測試結(jié)果。

與近期的 Mistral-Small-3.1-24B、Gemma-3-27B-IT 等模型相比，Qwen2.5-VL-32B-Instruct 展現(xiàn)出了明顯的優(yōu)勢，甚至超越了更大規(guī)模的 72B 模型。

如上圖所示，在 MMMU、MMMU-Pro 和 MathVista 等多模態(tài)任務(wù)中，Qwen2.5-VL-32B-Instruct 均表現(xiàn)突出。

特別是在注重主觀用戶體驗評估的 MM-MT-Bench 基準(zhǔn)測試中，32B 模型相較于前代 Qwen2-VL-72B-Instruct 實現(xiàn)了顯著進(jìn)步。

視覺能力的進(jìn)步，已經(jīng)讓用戶們感受到了震撼：

除了在視覺能力上優(yōu)秀，Qwen2.5-VL-32B-Instruct 在純文本能力上也達(dá)到了同規(guī)模的最優(yōu)表現(xiàn)。

實例展示

或許很多人還好奇，32B 版本的升級怎么體現(xiàn)呢？

關(guān)于「回復(fù)更符合人類主觀偏好」、「數(shù)學(xué)推理能力」、「圖像細(xì)粒度理解與推理」這三個維度，我們通過幾個官方 Demo 來體會一番。

第一個問題，是關(guān)于「細(xì)粒度圖像理解與推理」：我開著一輛卡車在這條路上行駛，現(xiàn)在是 12 點，我能在 13 點之前到達(dá) 110 公里外的地方嗎？

顯然，從人類的角度去快速判斷，在限速 100 的前提下，卡車無法在 1 小時內(nèi)抵達(dá) 110 公里之外的地方。

Qwen2.5-VL-32B-Instruct 給出的答案也是「否」，但分析過程更加嚴(yán)謹(jǐn)，敘述方式也是娓娓道來，我們可以做個參考：

第二個問題是「數(shù)學(xué)推理」：如圖，直線 AB、CD 交于點 O，OD 平分∠AOE，∠BOC=50.0，則∠EOB=（）

答案是「80」：

第三個題目的數(shù)學(xué)推理顯然更上難度了：

模型給出的答案特別清晰，解題思路拆解得很詳細(xì)：

在下面這個圖片內(nèi)容識別任務(wù)中，模型的分析過程也非常細(xì)致嚴(yán)謹(jǐn)：

關(guān)于 Qwen2.5-VL-32B-Instruct 的更多信息，可參考官方博客。