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.
मूल्य निर्धारण
प्रदर्शन
उपयोग और रैंकिंग
समर्थित पैरामीटर
सभी प्रोवाइडर = इस मॉडल को सर्व करने वाला हर अपस्ट्रीम इसे सपोर्ट करता है। कुछ प्रोवाइडर = अनुरोध संभालने वाले अपस्ट्रीम पर निर्भर करता है। डिफ़ॉल्ट = कुछ सेट न करने पर भेजा जाने वाला मान।
| पैरामीटर | प्रोवाइडर | डिफ़ॉल्ट |
|---|---|---|
| frequency_penalty | कुछ प्रोवाइडर | डिफ़ॉल्ट रूप से नहीं भेजा जाता |
| logprobs | सभी प्रोवाइडर | - |
| max_tokens | सभी प्रोवाइडर | - |
| presence_penalty | सभी प्रोवाइडर | डिफ़ॉल्ट रूप से नहीं भेजा जाता |
| repetition_penalty | कुछ प्रोवाइडर | 1 |
| response_format | सभी प्रोवाइडर | - |
| seed | सभी प्रोवाइडर | - |
| structured_outputs | सभी प्रोवाइडर | - |
| temperature | सभी प्रोवाइडर | 0.7 |
| tool_choice | सभी प्रोवाइडर | - |
| tools | सभी प्रोवाइडर | - |
| top_k | कुछ प्रोवाइडर | 20 |
| top_logprobs | सभी प्रोवाइडर | - |
| top_p | सभी प्रोवाइडर | 0.8 |