| Өріс | Мәні / Ескертпелер |
|---|---|
| Модель атауы | Qwen3-VL-32B (Instruct / Thinking нұсқалары қолжетімді). |
| Модель отбасысы / архитектурасы | Qwen3-VL — көру-тіл трансформері; ViT-стильді визуалды энкодер + LLM біріктіру қабаттары бар мультимодальды бэкбон. |
| Параметрлер саны | "32B" класы деп аталады (қоғамдық дереккөздер тығыз 32B нұсқасы үшін шамамен ~32–33B параметр ауқымын көрсетеді). |
| Нұсқалар | Тығыз: 2B / 4B / 8B / 32B; MoE: 30B-A3B, 235B-A22B (ірі MoE нұсқалары да шығарылған). |
| Түпнұсқа контекст ұзындығы | 256K токен (түпнұсқа аралас мультимодальды контекст), кейбір орналастыруларда ~1M токенге дейін кеңейтуге мүмкіндік беретін инженерлік кеңейту режимдері/техникалары бар. |
| Енгізу модальдылықтары | Мәтін + кескіндер (жоғары айқындық) + ұзын видео (уақытша модельдеу/таймстамптар) + OCR (көптілді). |
| Шығару модальдылықтары | Мәтін (табиғи тіл), құрылымдық алу (OCR/кесте/диаграмма шығару), видео үшін таймстамптар/сегменттік түйіндемелер; құрал қолдануды / агент шақыруларын қолдайды. |
Qwen3-VL-32B деген не
Qwen3-VL-32B — Alibaba-ның Qwen3 көру-тіл модельдер отбасындағы 32 миллиард параметрі бар тығыз нұсқа. Ол біртұтас қабылдау, ұзын контекстпен пайымдау, орнықты OCR мен визуалды байлау, сондай-ақ агенттік/құралға негізделген жұмыс ағындары үшін жасалған мультимодальды (көру + тіл + видео) трансформер.
Негізгі ерекшеліктері
- Үлкен мультимодальды контекст — 256K аралас токендерді (мәтін + кескін сілтемелері) жергілікті қолдау және кейбір орналастыруларда ~1M токенге дейін тиімді контекстті кеңейтуге мүмкіндік беретін архитектуралық ілмектер/құралдар; құжаттар мен медиалар арасында іздеу және пайымдауды мүмкін етеді.
- Біріктірілген визуалды және тілдік алдын ала үйрету — ерте кезеңдерден бірлескен үйрету визуалды енгізулерге тілдің байлануын жақсартады, бұл VQA, OCR және диаграмма бойынша пайымдауға пайдалы күштірек кросс-модальды репрезентацияларға әкеледі.
- Видеоны түсіну және уақытша туралау — уақыт белгілері бар мәтінді туралаумен бейнені жергілікті өңдеу және ұзын видео ағындарын секундтық ұсақтықта қорытындылау немесе индекстеу қабілеті.
- Көптілді OCR және құжатты талдау — көптеген тілдер бойынша жоғары сапалы OCR және кесте мен диаграмманы шығару қолданымдары үшін макет/құрылымды сенімді түсіну.
- Instruct және Thinking нұсқалары — нұсқауларға бағынуға оңтайландырылған (Instruct) және терең ішкі ой ағымы/пайымдау өнімділігіне (Thinking) бейімделген бөлек жинақтар, қолданба қажеттіліктеріне сай (қауіпсіздік/ықшамдылық vs. қадамдық пайымдау).
- Масштабтау үшін MoE параметрлері — аса үлкен сыйымдылық/қамту үшін сарапшыларды бағыттау арқылы инференс есептеуін бақылауға тырыса отырып, репрезентациялық қабілетті арттыратын MoE нұсқалары (30B-A3B, 235B-A22B).
Qwen3-VL-32B қай жерде жақсы жарамды
- Құжаттар мен пішіндерді ауқымды түрде шығару — тілдер бойынша сенімді OCR, кесте және диаграмма шығару, әрі ұзын есептердің семантикалық қысқаша мазмұны.
- Күрделі кескіндерге арналған визуалды сұрақ-жауап — медициналық/инженерлік диаграммалар, аннотацияланған фотолар немесе визуалды ақау жою, мұнда визуалды дәлелдерді қадамдық мәтіндік пайымдаумен біріктіру қажет.
- Ұзақ видеоларды индекстеу және қорытындылау — іздеуге болатын транскрипттерді жасау, сағаттарға созылатын жазбалар немесе бейнебақылау/бейнемұрағаттар үшін секундтық деңгейде индекстеу және түйіндемелер.
- Мультимодальды агенттер / құрал тізбектері — визуалды мазмұнды (мысалы, OCR→іздеу→әрекет) шығарып, құрал шақыруларын үйлестіруді қажет ететін құрал тізбектерін ұйымдастыру; қабылдау мен әрекетті біріктіретін агенттік фреймворктарға лайық.
- STEM бойынша визуалды пайымдау және оқыту құралдары — кескіндер/графиктер мен мәтіндік түсіндіруді біріктіретін диаграммалық математика және қадамдық шешімдер (білім беру жағдайында нәтижелердің дұрыстығын тексеру қажет).
Qwen3 VL-32B API-не қалай қол жеткізуге болады
1-қадам: API кілтіне тіркелу
cometapi.com сайтына кіріңіз. Егер әлі пайдаланушы болмасаңыз, алдымен тіркеліңіз. CometAPI консоліне кіріңіз. Интерфейстің API кілтін алыңыз. Жеке кабинеттегі API token бөлімінде “Add Token” түймесін басыңыз, token кілтін алыңыз: sk-xxxxx және жіберіңіз.
2-қадам: Qwen3 VL-32B API-іне сұраулар жіберу
“Qwen3-VL-32B” endpoint-ін таңдап, API сұрауын жолдаңыз және сұрау денесін орнатыңыз. Сұрау әдісі мен сұрау денесі біздің веб-сайттағы API құжатынан алынады. Ыңғайлылық үшін веб-сайт Apifox арқылы тестілеуді де ұсынады. <YOUR_API_KEY> мәнін тіркелгіңіздегі нақты CometAPI кілтіне ауыстырыңыз. Негізгі URL — Chat.
Сұрағыңызды немесе өтінішіңізді content өрісіне енгізіңіз — модель дәл соған жауап береді. API жауабын өңдеп, жасалған жауапты алыңыз.
3-қадам: Нәтижелерді алу және тексеру
API жауабын өңдеп, жасалған жауапты алыңыз. Өңдеуден кейін API тапсырма күйі мен шығыс деректерін қайтарады.