Alibaba: qwen-3-vl-32b-instruct:free
Qwen3-VL-32B-Instruct is a large-scale multimodal vision-language model designed for high-precision understanding and reasoning across text, images, and video. With 32 billion parameters, it combines deep visual perception with advanced text comprehension, enabling fine-grained spatial reasoning, document and scene analysis, and long-horizon video understanding.Robust OCR in 32 languages, and enhanced multimodal fusion through Interleaved-MRoPE and DeepStack architectures. Optimized for agentic interaction and visual tool use, Qwen3-VL-32B delivers state-of-the-art performance for complex real-world multimodal tasks.
Precios
Rendimiento
Uso y clasificación
Parámetros compatibles
Todos los proveedores = compatible en todos los upstreams que sirven este modelo. Algunos proveedores = depende del upstream que atienda la solicitud. Predeterminado = el valor enviado cuando no lo configuras.
| Parámetro | Proveedores | Predeterminado |
|---|---|---|
| frequency_penalty | Algunos proveedores | No se envía por defecto |
| logprobs | Todos los proveedores | - |
| max_tokens | Todos los proveedores | - |
| presence_penalty | Todos los proveedores | No se envía por defecto |
| repetition_penalty | Algunos proveedores | 1 |
| response_format | Todos los proveedores | - |
| seed | Todos los proveedores | - |
| structured_outputs | Todos los proveedores | - |
| temperature | Todos los proveedores | 0.7 |
| tool_choice | Todos los proveedores | - |
| tools | Todos los proveedores | - |
| top_k | Algunos proveedores | 20 |
| top_logprobs | Todos los proveedores | - |
| top_p | Todos los proveedores | 0.8 |