Qwen: Qwen3 VL 8B Instruct

Qwen3-VL-8B-Instruct es un modelo de visión-lenguaje multimodal de vanguardia de la serie Qwen3-VL, diseñado para una comprensión y razonamiento excepcionales en diversos tipos de datos, incluidos texto, imágenes y video. Incorpora características avanzadas como Interleaved-MRoPE para el razonamiento temporal a largo plazo, DeepStack para una alineación visual-textual de grano fino y alineación de texto-marca de tiempo para una localización precisa de eventos, lo que garantiza un rendimiento robusto en escenarios complejos. Este modelo cuenta con una ventana de contexto nativa de 256K tokens, extensible hasta 1M tokens, y procesa hábilmente entradas de medios estáticos y dinámicos. Destaca en tareas como el análisis de documentos, la respuesta a preguntas visuales, el razonamiento espacial y el control de GUI. Logra una comprensión del texto comparable a la de los LLM líderes, amplía la cobertura de OCR a 32 idiomas y mejora la robustez en diversas condiciones visuales. Con capacidades que incluyen visión, funciones, código y streaming, y con un precio de $0.08/0.50 por 1M de tokens (entrada/salida), es una herramienta versátil y potente disponible GRATIS en Multi AI.