Qwen3-VL-8B-Instruct
模型参数
88亿
上下文长度
256K
中文支持
不支持
推理能力
Qwen3-VL-8B-Instruct 是由 阿里巴巴 发布的 AI 模型，发布时间为 2025-10-15，定位为 多模态大模型，参数规模约为 88亿，上下文长度为 256K，采用 Apache 2.0 许可，在 DocVQA 上取得 96.10 分。
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-8B-Instruct
模型基本信息
推理过程
不支持
思考模式
不支持思考模式
上下文长度
256K tokens
最大输出长度
暂无数据
模型类型
多模态大模型
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
88亿 / 不涉及
知识截止
暂无数据
Qwen3-VL-8B-Instruct
开源和体验地址
Qwen3-VL-8B-Instruct
官方介绍与博客
DataLearnerAI博客
暂无介绍博客
Qwen3-VL-8B-Instruct
API接口信息
接口速度
3/5
暂无公开的 API 定价信息。
Qwen3-VL-8B-Instruct
评测结果
和其他模型对比
暂时没有为该模型整理的相关对比页面。
想自定义其他组合？打开对比工具
Qwen3-VL-8B-Instruct
发布机构
阿里巴巴
查看发布机构详情 Qwen3-VL-8B-Instruct
模型解读
Qwen3-VL 8B 简介
Qwen3-VL 8B 属于 Qwen3-VL 系列的中型开源权重，面向图像/视频/文本的统一理解与推理。根据官方模型卡与说明，Qwen3-VL 在本代提供了更长的上下文支持（原生 256K，扩展至 1M）、更强的视觉-文本对齐（DeepStack 多层特征融合）与时间建模（文本-时间戳对齐），并在 GUI 要素识别与工具调用等“视觉代理”场景中提供能力示例。
架构与技术要点
- 关键组件：Interleaved-MRoPE 位置编码（覆盖时间/宽度/高度频带）、DeepStack 视觉特征融合、文本-时间戳对齐以增强视频时序定位。
- 上下文窗口：原生 256K，可扩展至 1M。
- 模态与能力：支持图像/视频作为输入，输出为文本；覆盖 OCR（32 种语言）、版面结构解析、空间关系/遮挡判断、时序理解与长文档/长视频检索定位等。
- 许可与获取：Apache-2.0 许可；权重与使用指南在 Hugging Face 提供。
参数与资源
模型卡显示参数量约 8.77B；提供 Transformers 直接调用与推理超参示例。
DataLearner 官方微信
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
