QW
发布时间: 2025-10-15更新于: 2025-10-15浏览量: 714
上下文长度
256K
Qwen3-VL-4B-Thinking is the reasoning version of the 4B dense model in Alibaba's Qwen3-VL vision-language series, released on October 15, 2025. It handles images and long video with a native 256K-token context and is tuned for multimodal reasoning, and is open under Apache 2.0.
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
Qwen3-VL-4B-Thinking
模型基本信息
推理过程
支持
思考模式
常规模式 (默认)思考模式
上下文长度
256K tokens
最大输出长度
暂无数据
模型类型
推理大模型
输入/输出模态
文本、图像、视频 → 文本
发布时间
2025-10-15
模型文件大小
暂无数据
MoE架构
否
总参数 / 激活参数
44.4亿 / 不适用
知识截止
暂无数据
Qwen3-VL-4B-Thinking
开源和体验地址
Qwen3-VL-4B-Thinking
官方介绍与博客
DataLearnerAI博客
暂无
Qwen3-VL-4B-Thinking
API接口信息
接口速度
3/5
暂无公开的 API 定价信息。
Qwen3-VL-4B-Thinking
发布机构
阿里巴巴
查看发布机构详情 Qwen3-VL-4B-Thinking
模型解读
模型简介与发布
Qwen3-VL-4B-Thinking 是阿里巴巴 Qwen 团队在 Qwen3-VL 系列下发布的推理增强多模态模型，支持图像/视频作为输入并输出文本。4B/8B（Instruct 与 Thinking）于 2025-10-15 公告上线。
架构与规格
- 上下文：原生 256K，可扩展至 1M。
- 关键组件：Interleaved-MRoPE（时序与二维空间位置编码）、DeepStack（多层 ViT 特征融合）、Text-Timestamp 对齐以强化长视频时序定位。
- 许可：Apache-2.0。
核心能力与模态
覆盖 OCR（32 种语言）、版面/结构化文档理解、空间/遮挡关系与 2D/3D grounding、长视频事件索引与定位、GUI 元素识别与步骤性交互等。
访问方式
- GitHub：提供 Qwen3-VL 代码与使用示例。
- Hugging Face：提供本模型权重与模型卡。
DataLearner 官方微信
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
