مدل Qwen Qwen3 VL 32B Instruct یک مدل زبان چندحسی با مقیاس بزرگ است که برای درک و استدلال با دقت در تمام متون، تصاویر و ویدیوها طراحی شده است. با 32 میلیارد پارامتر، این مدل ادراک بصری عمیق را با پردازش متن پیشرفته ترکیب میکند. این مدل برای وظایف که نیاز به درک همزمان تصویر و متن دارند مانند تحلیل تصویر، خلاصهسازی چندحسی و پاسخگویی به سوالات مبتنی بر چندحسی مناسب است.
این مدل توسط سازنده بازنشسته شده و دیگر برای تولید تازه قابل انتخاب نیست؛ صفحه بهعنوان بایگانی رسمی باقی میماند. تاریخ پایان: 2026-10-16.
| سازنده | Qwen (چین) |
|---|---|
| خانواده | qwen |
| تاریخ عرضه | 2025-10-23 |
| پنجرهٔ زمینه | ۱۳۱٬۰۷۲ توکن |
| حداکثر خروجی در هر پاسخ | ۳۲٬۷۶۸ توکن |
| ورودی | متن، تصویر |
| خروجی | متن |
| قابلیتها | فراخوانی ابزار، درک تصویر |
| وضعیت در نهال | بازنشسته (بایگانی) |
مدل Qwen Qwen3 VL 32B Instruct یک مدل زبان چندحسی با مقیاس بزرگ است که برای درک و استدلال با دقت در تمام متون، تصاویر و ویدیوها طراحی شده است. با 32 میلیارد پارامتر، این مدل ادراک بصری عمیق را با پردازش متن پیشرفته ترکیب میکند.
۱۳۱٬۰۷۲ توکن؛ یعنی این مدل میتواند در یک درخواست، متن ورودی و تاریخچهٔ گفتگو را تا همین اندازه همزمان در نظر بگیرد. هر پاسخ حداکثر ۳۲٬۷۶۸ توکن است.
فراخوانی ابزار، درک تصویر. ورودی: متن، تصویر؛ خروجی: متن.
خیر؛ سازنده این مدل را بازنشسته کرده و در نهال برای تولید تازه قابل انتخاب نیست. مدلهای فعال Qwen در همین صفحه فهرست شدهاند.