qwen开年开源了Qwen2.5-VL系列权重模型，笔者观察到相较于传统的多模态系列，增加了文档理解功能。笔者以文档智能中两个比较重要的任务版式分析和表格识别，笔者直接测试下Qwen2.5-VL-72B的效果。

版式分析

• case1
  

• case2

这个case没有输出bbox位置信息。

• case3

  

  

  这种报纸的更复杂的版式，输出更加崩溃，ocr吐字由于内容较长，发生停止截断。

表格识别

下面case的测试示例均来自于笔者前文介绍的表格图片《【多模态 & 文档智能】一次多模态大模型表格识别解析探索小实践记录》

• case1
  

  

• case2

  

  
  这个case的问题列单元格合并问题挺大。

• case3
  

  
  整体上看起来不错，但表格上前两行合并单元格还存在问题。

结论

通过上述case测试，qwen2.5-VL-72B这波开源的模型在版式分析和表格识别的实际测试中仍然效果不加，这也在意料之中，这类任务还是应该采用传统的视觉方法进行处理，并不是模型越大越好。