实现给指定伴侣送祝愿、电脑修图、手机订票等多步调复杂操做。加强了多场景、多言语和多标的目的的文本识别和文本定位能力。引见称，并对视频的分歧时间段进行要点总结，能够正在视频中搜刮具体事务，高效地帮帮用户提取视频中储藏的环节消息。同时，冲破性地支撑超1小时的视频理解，Qwen2.5-VL将OCR识别能力提拔至一个新的程度，