Qwen2.5-VL-7B

Alibaba Cloud（アリババクラウド）のQwenチームが開発した、高性能なマルチモーダル小規模言語モデルです。Qwen2.5シリーズの視覚理解（Vision-Language）モデルとして、画像認識、文書解析、動画理解において高い性能を発揮します。Fara-7Bのベースモデルとして採用されており、その軽量さと視覚情報の処理能力が、オンデバイスでのコンピュータ操作エージェント実現の基盤となっています。