Qwen: Qwen3 VL 30B A3B Instruct

Qwen3-VL-30B-A3B-Instruct 是一款尖端的多模态 AI 模型，旨在将强大的文本生成与对图像和视频的复杂视觉理解相结合。此 Instruct 变体经过专门优化，可遵循各种通用多模态任务的指令，在真实世界和合成类别的感知、精确的 2D/3D 空间定位以及全面的长篇视觉理解方面表现出卓越的性能。它在领先的多模态基准测试中持续取得具有竞争力的结果。 除了其核心能力之外，Qwen3-VL-30B-A3B-Instruct 还非常适合代理应用。它能熟练处理多图像、多轮指令，促进视频时间轴对齐，支持 GUI 自动化，甚至可以从草图生成视觉编码到调试后的 UI。其文本性能与旗舰 Qwen3 模型相媲美，使其成为文档 AI、OCR、UI 辅助、空间任务和高级代理研究的理想选择。它拥有 131K 令牌的上下文窗口和 4K 令牌的最大输出，提供强大的处理能力。定价为每 1M 令牌（输入/输出）0.15 美元/0.60 美元，可在 STARTER 访问层级使用。