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.
Giá cả
Hiệu năng
Sử dụng & Xếp hạng
Tham số hỗ trợ
Tất cả nhà cung cấp = mọi upstream phục vụ mô hình này đều hỗ trợ. Một số nhà cung cấp = tùy thuộc upstream xử lý yêu cầu. Mặc định = giá trị được gửi khi bạn không thiết lập.
| Tham số | Nhà cung cấp | Mặc định |
|---|---|---|
| frequency_penalty | Một số nhà cung cấp | Mặc định không gửi |
| logit_bias | Một số nhà cung cấp | - |
| logprobs | Tất cả nhà cung cấp | - |
| max_tokens | Tất cả nhà cung cấp | - |
| presence_penalty | Tất cả nhà cung cấp | - |
| repetition_penalty | Một số nhà cung cấp | - |
| response_format | Tất cả nhà cung cấp | - |
| seed | Tất cả nhà cung cấp | - |
| stop | Một số nhà cung cấp | - |
| structured_outputs | Tất cả nhà cung cấp | - |
| temperature | Tất cả nhà cung cấp | 0.7 |
| tool_choice | Tất cả nhà cung cấp | - |
| tools | Tất cả nhà cung cấp | - |
| top_k | Một số nhà cung cấp | - |
| top_logprobs | Tất cả nhà cung cấp | - |
| top_p | Tất cả nhà cung cấp | 0.8 |