Alibaba: qwen-3-vl-8b-instruct:free
Qwen3-VL-8B-Instruct is a multimodal vision-language model from the Qwen3-VL series, built for high-fidelity understanding and reasoning across text, images, and video. It features improved multimodal fusion with Interleaved-MRoPE for long-horizon temporal reasoning, DeepStack for fine-grained visual-text alignment, and text-timestamp alignment for precise event localization. The model supports a native 256K-token context window, extensible to 1M tokens, and handles both static and dynamic media inputs for tasks like document parsing, visual question answering, spatial reasoning, and GUI control. It achieves text understanding comparable to leading LLMs while expanding OCR coverage to 32 languages and enhancing robustness under varied visual conditions.
Preços
Desempenho
Uso e classificação
Parâmetros suportados
Todos os provedores = compatível em todos os upstreams que servem este modelo. Alguns provedores = depende do upstream que atende a solicitação. Padrão = o valor enviado quando você não define nada.
| Parâmetro | Provedores | Padrão |
|---|---|---|
| frequency_penalty | Alguns provedores | Não enviado por padrão |
| logit_bias | Alguns provedores | - |
| logprobs | Todos os provedores | - |
| max_tokens | Todos os provedores | - |
| presence_penalty | Todos os provedores | - |
| repetition_penalty | Alguns provedores | - |
| response_format | Todos os provedores | - |
| seed | Todos os provedores | - |
| stop | Alguns provedores | - |
| structured_outputs | Todos os provedores | - |
| temperature | Todos os provedores | 0.7 |
| tool_choice | Todos os provedores | - |
| tools | Todos os provedores | - |
| top_k | Alguns provedores | - |
| top_logprobs | Todos os provedores | - |
| top_p | Todos os provedores | 0.8 |