| المواصفات | التفاصيل |
|---|---|
| اسم النموذج | Qwen3-VL-30B-A3B |
| المطور / الفريق | Alibaba Qwen AI Team |
| المعمارية | Transformer مع مزيج الخبراء (MoE) |
| إجمالي المعلمات | 30.5 B |
| المعلمات المُفعّلة | ~3.3 B |
| رؤوس الانتباه | مجمّعة (32 Q / 4 KV) |
| الطبقات | ~48 |
| طول السياق الأصلي | 256,000 رموز (نص + رؤية) |
| السياق الموسّع | حتى ~1,000,000 رمز (عبر تقنيات التوسعة) |
| الأنماط | نص، صورة، فيديو، OCR |
| أنواع الإدخال | نص، صور، تدفقات فيديو |
| أنواع الإخراج | نص |
| الترخيص | Apache 2.0 (مفتوح المصدر) |
ما هو Qwen3-VL-30B-A3B؟
Qwen3-VL-30B-A3B هو أحد إصدارات Mixture-of-Experts ضمن سلسلة Qwen3-VL — بُني خصيصًا كنموذج أساس للرؤية واللغة. يعني ذلك أنه يمكنه استيعاب تسلسلات طويلة من النصوص بالإضافة إلى المحتوى المرئي (صور، إطارات فيديو، مسوحات مستندية) وتوليد استجابات متقدمة مستندة إلى كلا النمطين.
على خلاف نماذج الرؤية السابقة، صُمّم هذا الإصدار من أجل فهم سياقات ممتدة في العالم الحقيقي، ما يمكّنه من قدرات مثل:
- مسح وفهرسة فيديو لمدة ساعتين، ومطابقة المدخلات المرئية مع الأوصاف النصية.
- OCR عبر لغات متعددة ومدخلات صعبة (إضاءة منخفضة، نص مائل).
- استدلال متعدد الوسائط معقّد وتحليل المخططات/المستندات مع نتائج معيارية رائدة.
الميزات الرئيسية
1) التكامل متعدد الوسائط
يُدمج النموذج بين النصوص والصور والفيديو ضمن سياق واحد، ما يمكّنه من فهم معقّد مثل تفسير المخططات، والتعرّف على الكائنات، والاستدلال المكاني.
2) دعم سياق موسّع
يدعم 256K رمزًا أصليًا ويمكن توسيعه حتى ~1M رمز — أحد أكبر نوافذ السياق بين النماذج المفتوحة.
3) مزيج الخبراء (MoE) بكفاءة
يُفعّل نحو ~3 B فقط من إجمالي 30 B من المعلمات أثناء الاستدلال، محققًا توازنًا بين الأداء والكفاءة.
4) أداء قوي على المعايير
يقدم نتائج رائدة في اختبارات متعددة الوسائط (OCR، سؤال-وجواب بصري، فهم الفيديو، تحويل التصميم إلى كود).
5) دعم متعدد اللغات وOCR
دعم مدمج لأكثر من 32 لغة OCR وأداء قوي عبر نصوص متعددة اللغات، ما يتيح قابلية استخدام واسعة عالميًا.
القيود
على الرغم من القدرات القوية، يواجه النموذج تحديات معروفة:
- تعقيد الاستدلال: قد تكون نماذج MoE أبطأ أو أكثر استهلاكًا للموارد مقارنة بالنماذج الكثيفة الأصغر في بعض السيناريوهات، تبعًا للأجهزة ومحرك التنفيذ.
- تقارير عن عدم الاتساق: يُبلغ بعض المستخدمين عن تباين في جودة المخرجات في وضع الاستدلال وأحيانًا هلوسات مقارنة بالنماذج الكثيفة.
- متطلبات النشر: تتطلب نافذة السياق الكبيرة والوظائف متعددة الوسائط ذاكرة عالية ومكدسًا مُحسّنًا (مثل vLLM ودعم GPU).
مقارنة مع نماذج أخرى
| النموذج | نقاط القوة | المقايضات |
|---|---|---|
| Qwen3-VL-30B-A3B | استدلال متعدد الوسائط بكفاءة MoE، سياقات طويلة، مفتوح المصدر | التعقيد، تقارير أداء متباينة |
| Qwen3-VL-235B-A22B | أعلى أداء أحادي/متعدد الأنماط | حساب/تكلفة أعلى |
| النماذج الكثيفة (مثال: Qwen3-32B) | استدلال أبسط، سلوك متسق | توسع متجانس، كفاءة أقل |
| النماذج المغلقة (GPT-5 / Gemini) | معايير مثبتة، تكامل المنظومة | وصول مغلق للأوزان، التكلفة ومخاوف الخصوصية |
يهدف النهج المفتوح من Alibaba لنماذج Qwen إلى منافسة النماذج المملوكة بفضل شفافية الأداء واعتماد المجتمع.
كيفية الوصول إلى واجهة Qwen3 VL-30B-A3B البرمجية
الخطوة 1: التسجيل للحصول على مفتاح API
سجل الدخول إلى cometapi.com. إذا لم تكن مستخدمًا لدينا بعد، فيُرجى التسجيل أولًا. سجّل الدخول إلى CometAPI console. احصل على مفتاح API لبيانات اعتماد الوصول للواجهة. انقر "Add Token" في قسم رمز API بمركزك الشخصي، واحصل على مفتاح الرمز: sk-xxxxx ثم قدّم الطلب.
الخطوة 2: إرسال الطلبات إلى واجهة Qwen3 VL-30B-A3B البرمجية
حدّد نقطة النهاية “Qwen3-VL-30B-A3B” لإرسال طلب API واضبط جسم الطلب. يتم الحصول على طريقة الطلب وجسم الطلب من وثائق واجهة برمجة التطبيقات على موقعنا. يوفر موقعنا أيضًا اختبار Apifox لراحتك. استبدل <YOUR_API_KEY> بمفتاح CometAPI الفعلي من حسابك. عنوان URL الأساسي هو الدردشة
أدخل سؤالك أو طلبك في حقل المحتوى — فهذا ما سيستجيب له النموذج. عالج استجابة API للحصول على الإجابة المُولدة.
الخطوة 3: استرجاع النتائج والتحقق منها
عالج استجابة API للحصول على الإجابة المُولدة. بعد المعالجة، تستجيب الواجهة بحالة المهمة وبيانات المخرجات.