Qwen: Qwen3 VL 32B Instruct

Qwen3-VL-32B-Instruct 是一款尖端的大规模多模态视觉语言模型，经过精心设计，可在文本、图像和视频等多种数据类型上实现无与伦比的理解和推理。凭借令人印象深刻的320亿参数，该模型将深度视觉感知与先进的文本理解能力无缝结合。它在细粒度空间推理、全面的文档和场景分析以及长时序视频理解方面表现出色，使其成为复杂现实世界应用的理想选择。 该模型支持32种语言的强大OCR功能，并利用Interleaved-MRoPE和DeepStack架构等先进的多模态融合技术来增强性能。Qwen3-VL-32B 针对智能体交互和视觉工具使用进行了优化，为各种复杂的跨模态任务提供了最先进的性能。它提供了一个262K tokens的巨大上下文窗口，并以每1M tokens（输入/输出）0.50美元/1.50美元的竞争性价格在PRO访问层提供。