OPTiM TECH BLOG

本記事では、2025年に急速に進化した Vision Language Model (VLM) の動向を紹介します。画像をテキストとして理解するだけでなく、物体検出やOCR、セグメンテーションなど、従来は専用モデルが必要だったタスクが Qwen2.5-VL、Gemini 2.5/3.0、Qwen3-VL などの汎用モデルで可能になりつつあります。記事では各モデルの特…