Qwen2.5-VL-32B-Instruct

🖼️ Tool Name:
Qwen2.5-VL-32B-Instruct

🔖 Tool Category:
نموذج لغوي–بصري متقدّم (Vision-Language Model)

✏️ What does this tool offer?

• فهم الصور والفيديوهات الطويلة (أكثر من ساعة).

• استخراج النصوص، الجداول، المخططات، والرسوم البيانية من الصور.

• تحديد مواقع العناصر داخل الصور وإخراجها بصيغة JSON.

• قراءة المستندات مثل الفواتير والنماذج بدقة عالية.

• العمل كوكيل بصري مستقل قادر على التفاعل مع أدوات وأجهزة.

⭐ What does the tool actually deliver based on user experience?

• أداء متفوق في مهام متعددة الوسائط مقارنةً بنماذج أكبر مثل Qwen2-VL-72B.

• نتائج قوية في اختبارات MMMU وMathVista وغيرها.

• إخراج نصوص منظمة وسلسة وأكثر توافقًا مع تفضيلات المستخدم.

🤖 Does it include automation?
نعم، يعمل كوكيل بصري مستقل (Autonomous Agent) قادر على اتخاذ قرارات وتنفيذ مهام تلقائيًا.

💰 Pricing Model:

• مفتوح المصدر بالكامل تحت ترخيص Apache-2.0، ومتاح مجانًا.

• رسوم إضافية فقط عند استخدامه عبر خدمات سحابية مثل Fireworks.

🆓 Free Plan Details:

• متاح مجانيًا للجميع عبر Hugging Face وGitHub وModelScope.

• لا يحتاج إلى أي اشتراك أو رسوم.

💳 Paid Plan Details:

• لا توجد خطط مدفوعة من المطورين.

• الاستخدام عبر منصات سحابية قد يكلّف (مثل Fireworks: حوالي 0.9 دولار لكل مليون توكن).

🧭 Access Method:

• يمكن الوصول إليه عبر Hugging Face أو GitHub أو ModelScope.

• يدعم التشغيل محليًا باستخدام مكتبات مثل transformers وvLLM.

🔗 Experience Link:
https://huggingface.co/Qwen/Qwen2.5-VL-32B-Instruct?utm_source=