Qwen3-VL-32B-Thinking
支持
256K tokens
32768 tokens
多模态大模型
2025-10-22
Qwen3-VL-32B-Thinking 是 Qwen3-VL 系列的高性能推理型多模态模型,由阿里巴巴 Qwen 团队发布。该版本针对复杂视觉推理、多步思维链条和长文档跨页理解进行了优化,具备更强的跨模态逻辑一致性与解释能力。
模型为稠密结构(Dense),总参数约 320 亿,原生上下文 256K,可扩展至 1M。使用 Interleaved-MRoPE 与 DeepStack 技术增强视觉-语言对齐,并在训练中引入多步视觉推理与复杂时序任务以增强思考模式性能。
支持图像、视频、文本输入,输出为文本。可进行多步视觉推理、复杂因果分析、跨模态引用追踪、科学计算场景中的视觉解释与时间序列预测等任务。
根据官方模型卡,Thinking 版本在视觉推理和多模态 QA 任务上表现优于同系列 Instruct 模型,在长视频与文档 OCR 推理中具备更稳定的逐步输出结构。
模型权重托管于 Hugging Face,许可为 Apache-2.0;代码与示例位于官方 Qwen3-VL 仓库,可通过 Transformers 或 Qwen SDK 直接推理使用。
关注DataLearnerAI微信公众号,接受最新大模型资讯