Qwen2.5 VL 72B Instruct

Publié par Qwen le 26 janvier 2025, Qwen2.5 VL 72B Instruct est un modèle vision-langage de 72 milliards de paramètres, ajusté pour suivre des instructions et produire du texte à partir d’images et de texte. Âgé d’environ un an, il appartient déjà à une génération probablement dépassée, une ancienneté très longue à l’échelle de l’IA.

Sa fenêtre de 131 072 tokens accompagne l’analyse d’images, de vidéos, de graphiques, de formulaires et de tableaux. Son autre trait distinctif reste son prix très économique, inférieur de 60% à la moyenne des LLM similaires et environ 6,9 fois plus bas que celui des modèles frontière.

Caractéristiques

Performances (benchmarks)

« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.

Classements Arena (Elo)

Arena Vision · 135 modèles classés

Tarifs

Prix en dollars US par million de tokens.

Sa tarification se situe 88 % en dessous de la moyenne des LLM similaires, et 22 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).

Coût & vitesse agentiques

Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.

Notre analyse

Forces. À sa sortie, Qwen2.5 VL 72B Instruct se distinguait sur Hallucinations et Ethics, deux évaluations où il figure dans le top 10. Email Classification reste également solide, tandis que General Knowledge obtient un résultat maximal sans rejoindre les tout premiers rangs. Le modèle sait localiser des éléments par boîtes ou points, interpréter objets, textes, graphiques, icônes et mises en page, puis générer des sorties structurées pour les factures, formulaires et tableaux. Il traite aussi plusieurs images et des vidéos de plus d’une heure, avec recherche des segments pertinents. Son architecture adapte la résolution et l’échantillonnage vidéo au contenu. Les entrées coûtent au minimum 0,8 $ par million de tokens et les sorties 1 $.

Limites et points d’attention. Ses résultats sont moins convaincants en Instruction Following et surtout en Reasoning, où il se situe dans la partie basse du classement. En vision, son Elo de 1121 le place 97e sur 133, nettement derrière la tête de l’Arena. Ses connaissances s’arrêtent au 30 juin 2024 et son usage déclaré concerne l’anglais. Après environ un an, ses performances sont probablement largement dépassées par les générations récentes, et les modèles de cette période sont souvent retirés des catalogues. Enfin, la licence tongyi-qianwen ne donne pas accès à des poids ouverts.

Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Arena.ai (arena.ai) · Benchable.ai (benchable.ai).