モデルの位置付け
hunyuan-large-vision は混元 Large を基盤として訓練された視覚言語大規模モデルで、画像とテキストの理解を目的としています。(main.qcloudimg.com)
機能と用途
- 複数の画像とテキストを組み合わせた入力に対応し、テキストを生成します。公式発表によると、任意の解像度の画像入力に対応しています。
- 画像とテキストの理解タスクに重点を置いています。公式によると、多言語での画像とテキストの理解能力が大幅に向上しており、画像と文章を組み合わせた理解が必要な場面で使用できます。(main.qcloudimg.com)
制限
発表に記載された出力はテキストであり、画像生成能力は未確認です。発表にはコンテキストウィンドウ、1回あたりの画像枚数の上限、具体的な対応言語の一覧は示されていません。実際の接続に関する制限と現在の利用可否については、サービス提供者の説明を確認する必要があります。モデルの出力には誤りが含まれる可能性があるため、重要な結果は人が検証する必要があります。(main.qcloudimg.com)
リリース日
2025-05-26。(main.qcloudimg.com)
価格
2026-11-18 時点で、Tencent Cloud の中国国内サイトおよび国際サイトでは、このモデル専用の人民元または米ドル建ての入力・出力価格を確認できませんでした。中国国内サイトの課金ページには他の視覚モデルが掲載されていますが、hunyuan-large-vision は掲載されておらず、他のモデルの価格をこのモデルに適用することはできません。(cloud.tencent.com)