Qwen3-VL 希少文字認識

Qwen3-VLオープンソースリリース：256K～1MBのロングコンテキストとロングビデオイベントの高精度ローカリゼーション

I. 要約 Qwen3-VLは、Alibaba Cloud Qwenチームによって開発されたオープンソースの視覚言語モデルです。画像、動画、テキストの統合的な理解と推論を目的として設計されています。主な特徴としては、ネイティブ256KBのコンテキスト（1MBまで拡張可能）、最大約2時間の動画における...