| Trường | Giá trị / Ghi chú |
|---|---|
| Tên mô hình | Qwen3-VL-32B (có các biến thể Instruct / Thinking). |
| Dòng mô hình / kiến trúc | Qwen3-VL — transformer thị giác-ngôn ngữ; xương sống đa phương thức với bộ mã hóa hình ảnh kiểu ViT + các tầng hợp nhất với LLM. |
| Số tham số | Thuộc hạng “32B” (các nguồn công khai liệt kê quy mô ~32–33B tham số cho biến thể dense 32B). |
| Biến thể | Dense: 2B / 4B / 8B / 32B; MoE: 30B-A3B, 235B-A22B (các biến thể MoE lớn hơn cũng đã phát hành). |
| Độ dài ngữ cảnh gốc | 256K token (ngữ cảnh đa phương thức đan xen gốc), với các chế độ/kỹ thuật mở rộng được thiết kế cho phép lên tới ~1M token trong một số triển khai. |
| Các phương thức đầu vào | Văn bản + ảnh (độ phân giải cao) + video dài (mô hình hóa thời gian/dấu thời gian) + OCR (đa ngôn ngữ). |
| Các phương thức đầu ra | Văn bản (ngôn ngữ tự nhiên), trích xuất có cấu trúc (trích xuất OCR/bảng/biểu đồ), dấu thời gian/tóm tắt theo đoạn cho video; hỗ trợ sử dụng công cụ/cuộc gọi tác tử. |
Qwen3-VL-32B là gì
Qwen3-VL-32B là biến thể dense với 32 tỷ tham số trong họ mô hình thị giác-ngôn ngữ Qwen3 của Alibaba. Đây là một transformer đa phương thức (thị giác + ngôn ngữ + video) được thiết kế cho nhận thức hợp nhất, suy luận ngữ cảnh dài, OCR mạnh mẽ và liên kết thị giác, cùng các quy trình làm việc theo hướng tác tử/công cụ hóa.
Các tính năng chính
- Ngữ cảnh đa phương thức lớn — Hỗ trợ gốc 256K token đan xen (văn bản + tham chiếu hình ảnh) và các hook kiến trúc/công cụ để mở rộng ngữ cảnh hiệu dụng lên ~1M token cho tài liệu và video dài; cho phép truy hồi và suy luận xuyên tài liệu, xuyên phương tiện.
- Tiền huấn luyện hợp nhất thị giác + ngôn ngữ — Huấn luyện chung từ giai đoạn sớm cải thiện khả năng gắn kết ngôn ngữ với đầu vào thị giác, dẫn đến biểu diễn đa phương thức mạnh hơn (có lợi cho VQA, OCR và suy luận sơ đồ).
- Hiểu video & căn chỉnh theo thời gian — Xử lý video gốc với căn chỉnh văn bản kèm dấu thời gian và khả năng tóm tắt hoặc lập chỉ mục các luồng video dài ở độ phân giải thời gian tinh.
- OCR đa ngôn ngữ và phân tích tài liệu — OCR chất lượng cao trên nhiều ngôn ngữ và khả năng hiểu tài liệu/bố cục vững chắc cho các trường hợp trích xuất bảng và biểu đồ.
- Biến thể Instruct và Thinking — Các bản dựng riêng tối ưu cho tuân thủ chỉ dẫn (Instruct) so với thông lượng suy luận/chuỗi suy nghĩ sâu bên trong (Thinking) để phù hợp nhu cầu ứng dụng (an toàn/ngắn gọn so với suy luận từng bước).
- Tùy chọn MoE để mở rộng — Cho nhu cầu dung lượng/phạm vi phủ cực lớn có các biến thể MoE (30B-A3B, 235B-A22B) tăng khả năng biểu diễn đồng thời cố gắng kiểm soát chi phí tính toán suy luận thông qua định tuyến chuyên gia.
Những trường hợp Qwen3-VL-32B phù hợp
- Trích xuất tài liệu và biểu mẫu ở quy mô lớn — OCR mạnh mẽ đa ngôn ngữ, trích xuất bảng và biểu đồ, và tóm tắt ngữ nghĩa các báo cáo dài.
- Hỏi đáp thị giác cho hình ảnh phức tạp — sơ đồ y khoa/kỹ thuật, ảnh có chú thích, hoặc xử lý sự cố trực quan đòi hỏi tích hợp bằng chứng thị giác với suy luận văn bản theo từng bước.
- Lập chỉ mục và tóm tắt video dài — tạo bản chép lời có thể tìm kiếm, lập chỉ mục và tóm tắt theo giây cho các bản ghi dài hàng giờ hoặc lưu trữ/giám sát video.
- Tác tử đa phương thức/chuỗi công cụ — điều phối các lời gọi công cụ cần trích xuất nội dung thị giác (ví dụ: OCR→tìm kiếm→hành động), phù hợp với các khung tác tử kết hợp cảm nhận và hành động.
- Suy luận thị giác trong STEM & công cụ gia sư — toán học dạng sơ đồ và lời giải từng bước kết hợp hình ảnh/đồ thị và giải thích bằng văn bản (lưu ý cần kiểm chứng độ chính xác trong bối cảnh giáo dục).
Cách truy cập API Qwen3 VL-32B
Bước 1: Đăng ký lấy API Key
Đăng nhập vào cometapi.com. Nếu bạn chưa là người dùng của chúng tôi, vui lòng đăng ký trước. Đăng nhập vào CometAPI console. Lấy khóa API (thông tin xác thực truy cập) của giao diện. Nhấp “Add Token” tại API token trong trung tâm cá nhân, lấy khóa token: sk-xxxxx và gửi.
Bước 2: Gửi yêu cầu tới API Qwen3 VL-32B
Chọn endpoint “Qwen3-VL-32B” để gửi yêu cầu API và thiết lập phần thân yêu cầu. Phương thức và phần thân yêu cầu được lấy từ tài liệu API trên website của chúng tôi. Website cũng cung cấp Apifox test để bạn tiện sử dụng. Thay thế <YOUR_API_KEY> bằng khóa CometAPI thực tế trong tài khoản của bạn. URL cơ sở là Chat
Chèn câu hỏi hoặc yêu cầu của bạn vào trường content—đây là nội dung mà mô hình sẽ phản hồi . Xử lý phản hồi API để lấy câu trả lời được tạo ra.
Bước 3: Truy xuất và xác minh kết quả
Xử lý phản hồi API để nhận câu trả lời được tạo. Sau khi xử lý, API sẽ phản hồi với trạng thái tác vụ và dữ liệu đầu ra.