Qwen3-VL
拆解阿里通义 Qwen3-VL 这条多模态模型线，从 2B 到 235B 的密集与 MoE 变体，讲清长视频事件定位、多语种 OCR 与图文检索各适合哪些场景。
Qwen3-VL 是阿里云通义团队开源的视觉语言模型系列，把图像、视频与文本放进同一套理解框架，原生 256K 上下文可扩展到 1M，长视频事件定位与 32 语种 OCR 是主要差异点。从 2B 轻量版到 235B-A22B、30B-A3B 的 MoE 组合，一条线覆盖端侧部署到多模态检索。
Qwen3-VL-Embedding 与 Qwen3-VL-Reranker：多模态检索两阶段方案全解析
一、摘要 Qwen3-VL-Embedding 与 Qwen3-VL-Reranker 是基于 Qwen3-VL 的开源多模态检索模型系列，面向“文本+图像+截图+视频+混合输入”的跨模态理解与检索。整体采用两阶段架构：先用 Embedding 做大规模向量召回，再用 Reranker 做细粒度相关...
Admin
462 
Qwen宣布：Qwen3-VL已登陆llama.cpp，GGUF权重覆盖2B至235B
Qwen官方宣布，视觉语言模型Qwen3-VL现已在llama.cpp获得原生支持，并同步发布全系GGUF权重，覆盖2B至235B等多种规格，可在CPU、CUDA、Metal、Vulkan等后端直接本地运行。配套下载入口已在Hugging Face与魔搭社区上线，便于按设备与精度选择量化版本。 ll...
Admin
797 
视觉—语言一体化升级：Qwen3-VL-Flash 提供代理控制、长上下文与视频时序理解
阿里云宣布 Qwen3-VL-Flash 已在 Model Studio 上线，面向图像与视频理解提供“思考模式/非思考模式”两种推理路径。官方文档显示，qwen3-vl-flash 系列在非思考/思考模式下的上下文上限分别约为 260,096/258,048 tokens（按区间计费），并支持每张...
Admin
445 
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...
Admin
187 
Qwen发布Qwen3-VL-30B-A3B Instruct/Thinking：3B激活参数、支持FP8的新多模态组合
Qwen 官方于 2025 年 10 月 4 日在其代码库公告推出 Qwen3-VL-30B-A3B-Instruct 与 -Thinking 两个新多模态模型，并同步提供 FP8 量化版本；此前 9 月已发布更大规模的 Qwen3-VL-235B-A22B，并开始提供 FP8 变体。30B-A3B...
Admin
373 
Qwen3-VL 开源发布：256K–1M 长上下文与长视频事件精定位
一、摘要 Qwen3-VL 是阿里云 Qwen 团队开源的视觉-语言模型，面向图像、视频与文本的统一理解与推理。其亮点包括：原生 256K（可扩展至 1M）上下文、最长期约 2 小时视频的事件“精定位”、OCR 语种由 19 扩展至 32（含稀有字符与倾斜文本）、在真实场景风险检测上的领先表现；并展...
Admin
291