阿里通义发布 Qwen3-VL-4B 与 8B 模型，多模态版本正式上线

阿里云通义千问团队宣布 Qwen3-VL 系列模型新增两款开源版本——Qwen3-VL-4B 与 Qwen3-VL-8B，现已在 GitHub 平台上线。官方介绍，这两款模型延续 Qwen3 架构，并针对图文多模态任务进行优化，能够理解图像、文本及表格内容，支持生成式回答与复杂视觉推理。

从技术文档看，Qwen3-VL-4B 面向轻量级应用，兼顾性能与部署成本；Qwen3-VL-8B 则提供更高精度与更强视觉理解能力，适用于科研及企业级任务。官方表示，社区用户可自由测试模型性能并反馈结果，无论成功或失败案例都被鼓励公开分享。此次发布被视为通义在开源多模态方向的重要扩展。

常见问题

Q：Qwen3-VL 是什么类型的模型？

A：它是通义千问的多模态模型，能同时处理图像与文本输入。

Q：本次发布包含哪些新版本？

A：新增 Qwen3-VL-4B 与 Qwen3-VL-8B 两个参数规模的开源模型。

Q：这些模型在哪个平台获取？

A：模型代码与权重文件已发布在 Qwen 官方 GitHub 仓库。

Q：与之前版本相比有何改进？

A：主要提升视觉理解、OCR 准确度及跨模态推理能力，并优化了推理速度。

Q：是否可商用或本地部署？

A：依照 Qwen 官方开源许可协议，可在符合条款的前提下自由研究与部署。