Qwen3 VL 235B A22B Instruct

用量与规格

Qwen3 VL 235B A22B Instruct 是什么

Qwen3-VL-235B-A22B Instruct 是一个开放权重的多模态模型，将强大的文本生成能力与图像及视频的视觉理解能力相统一。该 Instruct 模型面向通用视觉语言应用（如视觉问答、文档解析、图表/表格提取、多语言OCR）。该系列强调稳健的感知能力（识别多样化的真实世界与合成类别）、空间理解能力（2D/3D定位）以及长篇幅视觉理解，在公开多模态基准测试中，其感知与推理能力均取得了具有竞争力的结果。 除分析功能外，Qwen3-VL 还支持智能体交互与工具使用：它能够遵循多图像、多轮对话中的复杂指令；将文本与视频时间线对齐以执行精确的时间查询；并操作 GUI 元素完成自动化任务。该模型还支持可视化编码工作流——将草图或原型转化为代码，并协助 UI 调试——同时保持与旗舰级 Qwen3 语言模型相当的纯文本性能。这使得 Qwen3-VL 适用于涵盖文档AI、多语言OCR、软件/UI辅助、空间/具身任务以及视觉语言智能体研究的各类生产场景。

Qwen3 VL 235B A22B Instruct 的能力

输入：文本、图像   输出：文本

Qwen3 VL 235B A22B Instruct 的 API 定价

价格为公开刊例（人民币按 1 美元 ≈ 6.78 元换算），实际以各服务商官网为准。