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.
Cennik
Wydajność
Użycie i ranking
Obsługiwane parametry
Wszyscy dostawcy = obsługiwany przez każdy upstream serwujący ten model. Niektórzy dostawcy = zależy od upstreamu obsługującego żądanie. Domyślnie = wartość wysyłana, gdy nic nie ustawisz.
| Parametr | Dostawcy | Domyślne |
|---|---|---|
| frequency_penalty | Niektórzy dostawcy | Domyślnie niewysyłany |
| logprobs | Wszyscy dostawcy | - |
| max_tokens | Wszyscy dostawcy | - |
| presence_penalty | Wszyscy dostawcy | Domyślnie niewysyłany |
| repetition_penalty | Niektórzy dostawcy | 1 |
| response_format | Wszyscy dostawcy | - |
| seed | Wszyscy dostawcy | - |
| structured_outputs | Wszyscy dostawcy | - |
| temperature | Wszyscy dostawcy | 0.7 |
| tool_choice | Wszyscy dostawcy | - |
| tools | Wszyscy dostawcy | - |
| top_k | Niektórzy dostawcy | 20 |
| top_logprobs | Wszyscy dostawcy | - |
| top_p | Wszyscy dostawcy | 0.8 |