Qwen3 VL 32B Instruct

用量与规格

Qwen3 VL 32B Instruct 是什么

Qwen3-VL-32B-Instruct 是一个大规模多模态视觉语言模型，专为跨文本、图像和视频的高精度理解与推理而设计。该模型拥有320亿参数，将深度视觉感知与先进文本理解相结合，能够实现细粒度空间推理、文档与场景分析，以及长程视频理解。它支持32种语言的强大OCR能力，并通过Interleaved-MRoPE和DeepStack架构增强多模态融合。针对智能体交互和视觉工具使用进行了优化，Qwen3-VL-32B在复杂现实世界多模态任务中展现出领先性能。

Qwen3 VL 32B Instruct 的能力

输入：文本、图像   输出：文本

Qwen3 VL 32B 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。