| ฟิลด์ | ค่า / หมายเหตุ |
|---|---|
| ชื่อโมเดล | Qwen3-VL-32B (มีรุ่น Instruct / Thinking ให้เลือก). |
| ตระกูลโมเดล / สถาปัตยกรรม | Qwen3-VL — ทรานส์ฟอร์เมอร์วิสัยทัศน์‑ภาษา; แบ็กโบนมัลติโหมดพร้อมตัวเข้ารหัสภาพสไตล์ ViT + เลเยอร์ผสานกับ LLM |
| จำนวนพารามิเตอร์ | จัดอยู่ในคลาส “32B” (แหล่งข้อมูลสาธารณะระบุสเกลพารามิเตอร์ประมาณ ~32–33B สำหรับรุ่น Dense 32B). |
| รุ่นย่อย | Dense: 2B / 4B / 8B / 32B; MoE: 30B-A3B, 235B-A22B (มีรุ่น MoE ขนาดใหญ่กว่านี้เผยแพร่ด้วย). |
| ความยาวบริบทเนทีฟ | 256K โทเค็น (บริบทมัลติโหมดแบบสอดแทรกเนทีฟ) พร้อมโหมด/เทคนิคขยายที่ออกแบบมาให้รองรับได้ถึง ~1M โทเค็นในบางการปรับใช้. |
| รูปแบบอินพุต | ข้อความ + รูปภาพ (ความละเอียดสูง) + วิดีโอยาว (การจำลองเชิงเวลา/การประทับเวลา) + OCR (หลายภาษา). |
| รูปแบบเอาต์พุต | ข้อความ (ภาษาธรรมชาติ), การดึงข้อมูลเชิงโครงสร้าง (OCR/การแยกตาราง/แผนภูมิ), การประทับเวลา/สรุปเป็นช่วงสำหรับวิดีโอ; รองรับการใช้เครื่องมือ/การเรียกเอเจนต์. |
Qwen3-VL-32B คืออะไร
Qwen3-VL-32B เป็นรุ่น Dense ขนาด 32 พันล้านพารามิเตอร์ในตระกูลโมเดลวิสัยทัศน์‑ภาษาของ Alibaba เป็นทรานส์ฟอร์เมอร์แบบมัลติโหมด (วิสัยทัศน์ + ภาษา + วิดีโอ) ที่ออกแบบมาเพื่อการรับรู้แบบรวมศูนย์ การให้เหตุผลบนบริบทยาว OCR ที่ทนทานและการยึดโยงเชิงภาพ รวมถึงเวิร์กโฟลว์เชิงเอเจนต์/รองรับการผสานเครื่องมือ
คุณสมบัติหลัก
- บริบทมัลติโหมดขนาดใหญ่ — รองรับ 256K โทเค็นแบบสอดแทรก (ข้อความ + การอ้างอิงภาพ) โดยเนทีฟ และมีฮุคเชิงสถาปัตยกรรม/เครื่องมือเพื่อขยายบริบทได้ถึง ~1M โทเค็นในบางการปรับใช้; ช่วยให้ค้นคืนและให้เหตุผลข้ามเอกสาร/สื่อได้
- การพรีเทรนแบบรวมวิชวล + ภาษา — ฝึกร่วมตั้งแต่ระยะต้นเพื่อปรับปรุงการยึดโยงภาษากับอินพุตเชิงภาพ ส่งผลให้การแทนแบบข้ามโมดัลแข็งแรงขึ้น (เป็นประโยชน์ต่อ VQA, OCR และการให้เหตุผลกับไดอะแกรม)
- ความเข้าใจวิดีโอและการจัดแนวเชิงเวลา — รองรับวิดีโอโดยเนทีฟ พร้อมการจัดแนวข้อความกับเวลา และความสามารถในการสรุปหรือทำดัชนีสตรีมวิดีโอยาวในระดับเวลาที่ละเอียด
- OCR หลายภาษาและการแยกวิเคราะห์เอกสาร — OCR คุณภาพสูงครอบคลุมหลายภาษา และความเข้าใจเอกสาร/เลย์เอาต์ที่แข็งแรงสำหรับงานแยกตารางและแผนภูมิ
- รุ่น Instruct vs Thinking — มีบิลด์แยกกันที่ปรับให้เหมาะกับการทำตามคำสั่ง (Instruct) กับการไหลเวียนการให้เหตุผล/โซ่ความคิดเชิงลึก (Thinking) เพื่อให้ตรงกับความต้องการของแอปพลิเคชัน (ความปลอดภัย/ความกระชับ vs การให้เหตุผลแบบเป็นขั้นตอน)
- ตัวเลือก MoE สำหรับการสเกล — สำหรับความจุ/ความครอบคลุมระดับสูง มีรุ่น MoE (30B-A3B, 235B-A22B) ที่เพิ่มความจุในการแทนความรู้ ขณะพยายามควบคุมภาระคำนวณระหว่างอนุมานผ่านการกำหนดเส้นทางผู้เชี่ยวชาญ
กรณีใช้งานที่ Qwen3-VL-32B เหมาะสำหรับ
- การดึงข้อมูลจากเอกสารและฟอร์มในสเกลใหญ่ — OCR ที่ทนทานหลายภาษา การแยกตารางและแผนภูมิ และการสรุปเชิงความหมายของรายงานยาว
- การตอบคำถามเชิงภาพสำหรับภาพที่ซับซ้อน — ไดอะแกรมทางการแพทย์/วิศวกรรม รูปภาพที่มีหมายเหตุประกอบ หรือการแก้ปัญหาเชิงภาพที่ต้องบูรณาการหลักฐานภาพเข้ากับการให้เหตุผลแบบเป็นขั้นตอนด้วยข้อความ
- การทำดัชนีและสรุปวิดีโอยาว — สร้างถอดความที่ค้นหาได้ ทำดัชนีระดับวินาทีและสรุปสำหรับบันทึกความยาวหลายชั่วโมงหรือคลังวิดีโอ/กล้องวงจรปิด
- เอเจนต์มัลติโหมด / เชนเครื่องมือ — บริหารการเรียกใช้เครื่องมือที่ต้องดึงข้อมูลเชิงภาพ (เช่น OCR→ค้นหา→ดำเนินการ) เหมาะกับเฟรมเวิร์กเอเจนต์ที่ผสานการรับรู้และการกระทำ
- การให้เหตุผลเชิงภาพในสาย STEM และเครื่องมือสอน — คณิตศาสตร์เชิงไดอะแกรมและวิธีทำแบบเป็นขั้นตอนที่ผสานภาพ/กราฟกับคำอธิบายข้อความ (โดยควรตรวจสอบความถูกต้องของผลลัพธ์สำหรับการศึกษา)
วิธีเข้าถึง Qwen3 VL-32B API
ขั้นตอนที่ 1: ลงทะเบียนเพื่อรับ API key
เข้าสู่ระบบที่ cometapi.com หากคุณยังไม่เป็นผู้ใช้ของเรา โปรดลงทะเบียนก่อน เข้าสู่ คอนโซล CometAPI รับคีย์ API สำหรับการเข้าถึงอินเทอร์เฟซ คลิก “Add Token” ที่โทเค็น API ในศูนย์ส่วนบุคคล รับโทเค็นคีย์: sk-xxxxx แล้วส่ง
ขั้นตอนที่ 2: ส่งคำขอไปยัง Qwen3 VL-32B API
เลือกเอนด์พอยต์ “Qwen3-VL-32B” เพื่อส่งคำขอ API และกำหนด request body วิธีการร้องขอและ request body สามารถดูได้จากเอกสาร API บนเว็บไซต์ของเรา เว็บไซต์ยังมีการทดสอบผ่าน Apifox เพื่อความสะดวกของคุณ แทนที่ <YOUR_API_KEY> ด้วยคีย์ CometAPI จริงจากบัญชีของคุณ base url is Chat
ใส่คำถามหรือคำขอของคุณในฟิลด์ content—นี่คือสิ่งที่โมเดลจะตอบกลับ ประมวลผลการตอบกลับ API เพื่อรับคำตอบที่สร้างขึ้น
ขั้นตอนที่ 3: ดึงและตรวจสอบผลลัพธ์
ประมวลผลการตอบกลับ API เพื่อรับคำตอบที่สร้างขึ้น หลังจากประมวลผลแล้ว API จะตอบกลับด้วยสถานะงานและข้อมูลผลลัพธ์