| Medan | Nilai / Nota |
|---|---|
| Nama model | Qwen3-VL-32B (varian Instruct / Thinking tersedia). |
| Keluarga/arkitektur model | Qwen3-VL — transformer visi-bahasa; tulang belakang multimodal dengan pengekod visual gaya ViT + lapisan gabungan LLM. |
| Bilangan parameter | Dinamakan kelas “32B” (sumber awam menyenaraikan skala parameter ~32–33B untuk varian 32B padat). |
| Varian | Padat: 2B / 4B / 8B / 32B; MoE: 30B-A3B, 235B-A22B (varian MoE yang lebih besar juga dikeluarkan). |
| Panjang konteks natif | 256K token (konteks multimodal berselang-seli natif), dengan mod/teknik peluasan kejuruteraan yang membolehkan sehingga ~1M token dalam sesetengah penempatan. |
| Mod input | Teks + imej (beresolusi tinggi) + video panjang (pemodelan temporal/cap masa) + OCR (berbilang bahasa). |
| Mod output | Teks (bahasa semula jadi), pengekstrakan berstruktur (pengekstrakan OCR/jadual/carta), cap masa/ringkasan segmen untuk video; menyokong penggunaan alat / panggilan ejen. |
Apakah Qwen3-VL-32B
Qwen3-VL-32B ialah varian padat 32 bilion parameter dalam keluarga model visi-bahasa Qwen3 milik Alibaba. Ia ialah transformer multimodal (visi + bahasa + video) yang direka untuk persepsi bersatu, penaakulan konteks panjang, OCR yang teguh dan pengkaitan visual, serta aliran kerja beragen/beralat.
Ciri utama
- Konteks multimodal yang besar — Sokongan natif untuk 256K token berselang-seli (teks + rujukan imej) serta mekanisme/alat seni bina untuk memperluas konteks berkesan hingga ~1M token bagi dokumen dan video panjang; membolehkan pengambilan dan penaakulan rentas dokumen serta rentas media.
- Pra-pelatihan visual + bahasa yang disatukan — Latihan bersama dari peringkat awal yang mempertingkatkan pemadanan bahasa pada input visual, menghasilkan perwakilan rentas-modal yang lebih kukuh (bermanfaat untuk VQA, OCR, dan penaakulan rajah).
- Pemahaman video & penjajaran temporal — Pengendalian video secara natif dengan penjajaran teks bertanda masa serta keupayaan untuk meringkaskan atau mengindeks aliran video panjang pada kehalusan temporal yang tinggi.
- OCR berbilang bahasa dan penghuraian dokumen — OCR berkualiti tinggi merentas pelbagai bahasa serta pemahaman dokumen/tataletak yang teguh untuk kegunaan pengekstrakan jadual dan carta.
- Varian Instruct vs Thinking — Binaan berasingan yang dioptimumkan untuk pematuhan arahan (Instruct) vs. rantaian pemikiran dalaman yang mendalam / kecekapan penaakulan (Thinking) bagi memenuhi keperluan aplikasi (keselamatan/keringkasan vs. penaakulan berlangkah).
- Pilihan MoE untuk penskalaan — Untuk kapasiti/liputan yang sangat besar terdapat varian MoE (30B-A3B, 235B-A22B) yang meningkatkan kapasiti perwakilan sambil berusaha mengawal pengiraan inferens melalui penghalaan pakar.
Di mana Qwen3-VL-32B sangat sesuai
- Pengekstrakan dokumen dan borang pada skala besar — OCR yang teguh merentas bahasa, pengekstrakan jadual dan carta, serta pemeringkasan semantik laporan panjang.
- Menjawab soalan visual untuk imej kompleks — rajah perubatan/kejuruteraan, foto beranotasi, atau penyelesaian masalah visual yang memerlukan pengintegrasian bukti visual dengan penaakulan teks berlangkah.
- Pengindeksan dan pemeringkasan video panjang — menjana transkrip yang boleh dicari, pengindeksan aras saat dan ringkasan untuk rakaman berjam-jam atau arkib pengawasan/video.
- Ejen multimodal / rantaian alat — mengorkestrasi panggilan alat yang memerlukan pengekstrakan muatan visual (cth., OCR→cari→tindakan), sesuai untuk kerangka ejen yang menggabungkan persepsi dan tindakan.
- Penaakulan visual STEM & alat bimbingan — matematik berdiagram dan penyelesaian berlangkah yang menggabungkan imej/graf serta penjelasan teks (dengan mengambil perhatian bahawa output harus disahkan ketepatannya dalam persekitaran pendidikan).
Cara mengakses API Qwen3 VL-32B
Langkah 1: Daftar untuk Kunci API
Log masuk ke cometapi.com. Jika anda belum menjadi pengguna kami, sila daftar terlebih dahulu. Log masuk ke konsol CometAPI. Dapatkan kunci API bukti kelayakan akses bagi antara muka tersebut. Klik “Add Token” pada token API di pusat peribadi, dapatkan kunci token: sk-xxxxx dan serahkan.
Langkah 2: Hantar Permintaan ke API Qwen3 VL-32B
Pilih endpoint “Qwen3-VL-32B” untuk menghantar permintaan API dan tetapkan badan permintaan. Kaedah permintaan dan badan permintaan diperoleh daripada dokumen API laman web kami. Laman kami juga menyediakan ujian Apifox untuk kemudahan anda. Gantikan <YOUR_API_KEY> dengan kunci CometAPI sebenar daripada akaun anda. URL asas ialah Chat
Masukkan soalan atau permintaan anda ke dalam medan kandungan—ini ialah perkara yang akan dijawab oleh model. Proses respons API untuk mendapatkan jawapan yang dijana.
Langkah 3: Dapatkan dan Sahkan Keputusan
Proses respons API untuk mendapatkan jawapan yang dijana. Selepas pemprosesan, API akan memberikan status tugas dan data output.