Qwen-VL-Chat: il miglior VLM open in cinese con bounding box

I modelli vision-language occidentali erano ottimi in inglese ma fragili con il cinese. Alibaba ha colmato questo gap con Qwen-VL-Chat: un modello da 7 miliardi di parametri che non solo capisce immagini e testo in entrambe le lingue, ma è in grado di localizzare oggetti nell'immagine indicando le coordinate esatte. Questo significa che puoi chiedergli "dov'è il titolo del documento?" e lui ti restituisce un rettangolo preciso. Utilissimo per leggere fatture, moduli e documenti scannerizzati.