Qwen3 VL 8B Instruct

用量与规格

Qwen3 VL 8B Instruct 是什么

Qwen3-VL-8B-Instruct 是 Qwen3-VL 系列中的多模态视觉语言模型，专为跨文本、图像和视频的高保真理解与推理而设计。它采用改进的多模态融合技术，包括用于长时域推理的 Interleaved-MRoPE、用于细粒度视觉-文本对齐的 DeepStack，以及用于精确事件定位的文本-时间戳对齐。 该模型支持原生 256K token 上下文窗口，可扩展至 1M token，并能处理静态和动态媒体输入，适用于文档解析、视觉问答、空间推理和 GUI 控制等任务。其文本理解能力可媲美领先的大语言模型，同时将 OCR 覆盖范围扩展至 32 种语言，并在多种视觉条件下增强了鲁棒性。

Qwen3 VL 8B Instruct 的能力

输入：图像、文本   输出：文本

Qwen3 VL 8B 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。