| Bidang | Nilai / Catatan |
|---|---|
| Nama model | Qwen3-VL-32B (varian Instruct / Thinking tersedia). |
| Keluarga model / arsitektur | Qwen3-VL — transformer visi-bahasa; backbone multimodal dengan encoder visual bergaya ViT + lapisan fusi LLM. |
| Jumlah parameter | Disebut kelas “32B” (sumber publik mencantumkan skala parameter ~32–33B untuk varian 32B dense). |
| Varian | Dense: 2B / 4B / 8B / 32B; MoE: 30B-A3B, 235B-A22B (varian MoE yang lebih besar juga dirilis). |
| Panjang konteks bawaan | 256K token (konteks multimodal berseling bawaan), dengan mode/teknik ekstensi terancang yang memungkinkan hingga ~1M token pada beberapa deployment. |
| Modalitas input | Teks + gambar (resolusi tinggi) + video panjang (pemodelan temporal/timestamp) + OCR (multibahasa). |
| Modalitas output | Teks (bahasa alami), ekstraksi terstruktur (ekstraksi OCR/tabel/bagan), timestamp/ringkasan segmen untuk video; mendukung penggunaan alat / panggilan agen. |
Apa itu Qwen3-VL-32B
Qwen3-VL-32B adalah varian dense berparameter 32 miliar dalam keluarga model visi-bahasa Qwen3 milik Alibaba. Ini adalah transformer multimodal (visi + bahasa + video) yang dirancang untuk persepsi terpadu, penalaran konteks panjang, OCR yang andal dan grounding visual, serta alur kerja beragen/berbasis alat.
Fitur utama
- Konteks multimodal besar — Dukungan bawaan untuk 256K token berseling (teks + referensi gambar) dan hook arsitektural/perkakas untuk memperluas konteks efektif hingga ~1M token untuk dokumen dan video panjang; memungkinkan pengambilan dan penalaran lintas dokumen dan lintas media.
- Pra-pelatihan visual + bahasa terpadu — Pelatihan bersama sejak tahap awal yang meningkatkan grounding bahasa ke masukan visual, menghasilkan representasi lintas modal yang lebih kuat (menguntungkan untuk VQA, OCR, dan penalaran diagram).
- Pemahaman video & penyelarasan temporal — Penanganan video bawaan dengan penyelarasan teks bertimestamp dan kemampuan untuk meringkas atau mengindeks aliran video panjang pada granularitas temporal yang halus.
- OCR multibahasa dan parsing dokumen — OCR berkualitas tinggi di banyak bahasa dan pemahaman dokumen/tata letak yang andal untuk use case ekstraksi tabel dan bagan.
- Varian Instruct vs Thinking — Build terpisah yang dioptimalkan untuk kepatuhan instruksi (Instruct) vs throughput penalaran/rantai-pemikiran internal yang mendalam (Thinking) agar sesuai dengan kebutuhan aplikasi (keamanan/keringkasan vs penalaran bertahap).
- Opsi MoE untuk penskalaan — Untuk kapasitas/cakupan ekstrem tersedia varian MoE (30B-A3B, 235B-A22B) yang meningkatkan kapasitas representasi sambil berupaya mengendalikan komputasi inferensi melalui expert routing.
Di mana Qwen3-VL-32B paling cocok
- Ekstraksi dokumen dan formulir skala besar — OCR andal lintas bahasa, ekstraksi tabel dan bagan, serta peringkasan semantik untuk laporan panjang.
- Visual question answering untuk gambar kompleks — diagram medis/rekayasa, foto beranotasi, atau pemecahan masalah visual yang memerlukan penggabungan bukti visual dengan penalaran tekstual bertahap.
- Pengindeksan dan peringkasan video panjang — menghasilkan transkrip yang dapat dicari, pengindeksan tingkat detik dan ringkasan untuk rekaman berjam-jam atau arsip pengawasan/video.
- Agen multimodal / rantai alat — mengorkestrasi pemanggilan alat yang memerlukan ekstraksi muatan visual (mis., OCR→search→action), cocok untuk kerangka agen yang menggabungkan persepsi dan aksi.
- Penalaran visual STEM & alat bimbingan — matematika diagramatik dan solusi bertahap yang menggabungkan gambar/grafik dan penjelasan tekstual (dengan catatan bahwa keluaran harus diverifikasi kebenarannya dalam konteks pendidikan).
Cara mengakses API Qwen3 VL-32B
Langkah 1: Daftar untuk Kunci API
Masuk ke cometapi.com. Jika Anda belum menjadi pengguna kami, silakan daftar terlebih dahulu. Masuk ke konsol CometAPI. Dapatkan kunci API kredensial akses untuk antarmuka. Klik “Add Token” pada token API di pusat pribadi, dapatkan kunci token: sk-xxxxx dan kirimkan.
Langkah 2: Kirim Permintaan ke API Qwen3 VL-32B
Pilih endpoint “Qwen3-VL-32B” untuk mengirim permintaan API dan atur request body. Metode permintaan dan request body diperoleh dari dokumen API di situs kami. Situs kami juga menyediakan pengujian Apifox untuk kenyamanan Anda. Ganti <YOUR_API_KEY> dengan kunci CometAPI Anda yang sebenarnya dari akun Anda. URL dasar adalah Chat
Masukkan pertanyaan atau permintaan Anda ke bidang content—itulah yang akan direspons oleh model. Proses respons API untuk mendapatkan jawaban yang dihasilkan.
Langkah 3: Ambil dan Verifikasi Hasil
Proses respons API untuk mendapatkan jawaban yang dihasilkan. Setelah diproses, API merespons dengan status tugas dan data keluaran.