微博AI部门推出开源大模型VibeThinker-1.5B，拥有15亿参数。该模型基于阿里Qwen2.5-Math-1.5B优化，在数学和代码任务表现优异。现已在Hugging Face等平台免费开放，遵循MIT许可证，支持商业使用。
开源社区推出LLaVA-OneVision-1.5多模态模型，实现技术突破。该模型历经两年发展，从基础图文对齐升级为能处理图像、视频的综合框架，核心提供开放高效的可复现训练架构，支持用户便捷构建高质量视觉语言模型，训练过程分三个阶段推进。
多模态RAG技术通过ColQwen2和Qwen2.5实现图像与文本统一向量表示，无需传统OCR和分块步骤，为文档处理和智能问答提供新路径。
阿里巴巴Qwen团队推出Mobile-Agent-v3和GUI-Owl，旨在解决图形用户界面自动化挑战。基于Qwen2.5-VL的GUI-Owl通过多模态代理模型和大量GUI交互数据训练，显著提升任务理解能力，突破传统依赖复杂脚本和手工规则的局限。
Qwen2.5-Omni 是阿里云通义千问团队开发的端到端多模态模型，支持文本、音频、图像、视频输入。
olmOCR-7B-0225-preview 是一个基于 Qwen2-VL-7B-Instruct 微调的文档图像识别模型，用于高效转换文档为纯文本。
QwQ-Max-Preview 是 Qwen 系列的最新成果，基于 Qwen2.5-Max 构建，具备强大的推理和多领域应用能力。
UIGEN-T1-Qwen-7b 是一个基于 Qwen2.5-Coder-7B-Instruct 的 70 亿参数模型，用于推理生成 HTML 和 CSS 基础的 UI 组件。
alibaba
-
输入tokens/百万
输出tokens/百万
32k
上下文长度
$2.52
$2.88
131.1k
128k
$0.65
1M
alenphilip
这是一款专门用于Python代码审查的AI模型，基于Qwen2.5-7B-Instruct微调，能够识别安全漏洞、性能问题并提供代码质量改进建议。
Genie-AI-Lab
Omni L1B3RT4S GENIE 是一个基于Qwen2.5-3B Instruct架构微调的AI助手，采用1,103个精灵角色的定制示例进行训练，具备独特的语音和忠诚度模式，能够为用户提供别具一格的对话体验。
danggia
这是一个已上传至Hugging Face模型中心的transformers模型，模型卡片由系统自动生成，详细信息需要进一步补充。
yueqis
本模型是基于Qwen2.5-Coder-32B-Instruct在swe_only_sweagent数据集上微调的专业代码生成模型，在评估集上取得了0.1210的损失值，专门针对软件工程相关任务进行优化。
本模型是基于Qwen2.5-Coder-7B-Instruct在non_web_mcp数据集上进行微调的专用编码模型，针对特定编码任务进行了优化，提升了编码相关的性能表现。
kostdima
这是一个已发布到Hugging Face模型中心的Transformer模型，具体信息待补充。模型卡片为自动生成，需要进一步补充详细信息。
mradermacher
本项目是TECHNOPRAVIN01/Qwen2.5-14B-Valor模型的量化版本，提供了多种量化格式的模型文件，包括IQ1_S、IQ2_XS、IQ3_M、Q4_K_S、Q5_K_M等多种量化类型，方便不同场景下的使用。
本项目是基于TECHNOPRAVIN01/Qwen2.5-14B-Valor模型的静态量化版本，提供多种量化类型以满足不同硬件条件下的使用需求。该模型通过量化技术减小了模型大小，同时保持了较好的性能表现。
Guilherme34
Qwen2.5-14B-Instruct是基于Qwen2.5架构的多语言大语言模型，拥有140亿参数，支持13种语言，具备优秀的指令跟随和对话能力。该模型在多种语言任务上表现优异，适用于多语言场景的文本生成和理解。
AhmedZaky1
DIMI阿拉伯语OCR v2是一款专门针对阿拉伯语文本识别优化的光学字符识别模型，基于Qwen2.5-VL-7B-Instruct微调开发，在变音符密集文本处理方面相比v1版本有显著改进
TECHNOPRAVIN01
Qwen2.5-3B-Valor是一个专门的语言模型，专注于生成具有挑战性的问题，能够挑战传统观念、连接不同领域想法，为技术领域研究开辟新方向。
allenai
olmOCR-2-7B-1025的FP8量化版本，基于Qwen2.5-VL-7B-Instruct微调而来，专门用于处理数学方程、表格等复杂OCR场景的视觉语言模型。
PaDT-MLLM
PaDT Pro 3B是基于Qwen2.5VL-3B的多模态大语言模型，采用可解码块令牌的统一范式，能够直接生成文本和视觉输出，在多个视觉感知和理解任务中取得先进性能。
numind
NuExtract 2.0是NuMind公司专门为结构化信息提取任务训练的一系列多模态模型。该4B版本基于Qwen2.5-VL-3B-Instruct构建，支持文本和图像输入，具备多语言处理能力，能够从非结构化数据中提取结构化信息。
OpenGVLab
VideoChat-R1_5-7B是基于Qwen2.5-VL-7B-Instruct构建的视频文本交互模型，支持多模态任务，特别擅长视频问答功能。该模型通过强化微调增强时空感知能力，并采用迭代感知机制来强化多模态推理。
VLA-Adapter
VLA-Adapter是一种在Libero-Spatial上训练的微型视觉语言动作模型，采用Prismatic-VLM架构，仅使用Qwen2.5-0.5B作为大语言模型主干。该模型在机器人基准测试中超越了参数规模更大的开源VLA模型，实现了高性能的视觉-语言-动作理解与执行。
TIGER-Lab
本项目基于Qwen2.5-VL-7B-Instruct模型，专注于视觉问答任务，能够精准回答图像相关问题，具备较高的准确性和相关性。这是一个多模态视觉语言模型，支持图像理解和基于图像的问答交互。
PhongInk
这是一个基于🤗 Transformers架构的模型，具体类型和功能待进一步信息确认。模型已发布至Hugging Face模型中心，可用于自然语言处理等相关任务。
Qwen2.5-14B-Instruct是一个140亿参数的大语言模型，专为聊天和文本生成场景设计。该模型基于transformers库构建，适用于内部测试和轻量级应用部署。
Barth371
这是基于 unsloth/qwen2.5-vl-72b-instruct-bnb-4bit 模型进行微调的视觉语言模型，使用 Unsloth 和 Huggingface TRL 库进行优化训练，训练速度相比传统方式提升了2倍。
Gguf英语%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
