核心规格
- 模型系列
- Qwen2.5-VL
- 厂商/维护方
- Alibaba Qwen
- 许可证
- Apache 2.0
- 输入模态
- 文本、图像、视频
- 架构
- Vision-Language Transformer
- 总参数量
- 7B
- 最大上下文
- 131072 tokens
- 仅权重显存估算
- BF16：14 GB；INT4：3.5 GB；INT8：7 GB
- 建议GPU显存
- 基础推理：16 GB；高分辨率或视频：24 GB
MODEL SELECTION PROFILE
Qwen2.5-VL-7B
支持图像、文档和视频理解的7B视觉语言模型，适合OCR、图表与多模态问答。资料更新：2026-07-24官方资料来源 →
软件与部署生态
- Transformers
- vLLM
- SGLang
部署与采购注意事项
暂无额外部署说明。
不适合或需要谨慎的场景
- 视觉Token数量随分辨率和帧数增加
- OCR、表格与复杂布局必须使用真实样本验证
HOW TO USE THIS PROFILE
不要用单个参数直接作出采购决定
权重显存只是部署下限。真实服务还需要预留KV Cache、批处理、上下文、框架运行开销和安全余量；MoE模型的激活参数也不能代替完整权重容量。
WANGYU COMPUTE SERVICE
让网昱继续核对这份算力方案
结合模型、并发、硬件平台、预算和交付条件，进一步确认配置边界，或匹配可租算力资源。