阿里通义千问Qwen3-VL家族新增模型，全线覆盖视觉语言理解场景

这里可以调整气泡内文字大小！滑动试试吧！ ×

12 px

26 px

阿里通义千问团队宣布，Qwen3-VL家族迎来重要扩展，新增了2B与32B两个密集模型尺寸，实现了从轻量级到高性能级的全面覆盖，满足各类视觉语言理解场景的需求。官方强调，新模型不仅能在手机上流畅运行，而且更加贴合开发者的使用习惯。

此次发布的模型提供了两种版本供选择：Instruct版响应迅速、执行稳定，非常适合对话和工具调用场景；而Thinking版则强化了长链推理和复杂视觉理解能力，能够“看图思考”，轻松应对高难度任务。

据官方介绍，Qwen3-VL-32B模型在STEM、视觉问答（VQA）、光学字符识别（OCR）、视频理解以及代理任务等多个领域的表现均优于GPT-5 mini和Claude 4 Sonnet。该模型仅使用32B参数，便达到了与参数高达235B的模型相媲美的效果，甚至在OSWorld评测中超越了后者。与此同时，Qwen3-VL-2B模型在小体量下展现出了惊人的性能，能够在资源极为有限的端侧设备上运行，为开发者提供了更加轻便的实验和部署选择。