Qwen3-VL: Codificador de Texto de Visión-Lenguaje
ComfyUI Wiki
Qwen3-VL es el último modelo de visión-lenguaje de Alibaba para usar como codificador de texto en ComfyUI, disponible en variantes 4B y 8B con cuantización bf16, fp8 y nvfp4.
Q
Qwen3-VL
Vision-LanguageText EncoderOCRAgentOpen SourceÚltimo modelo de visión-lenguaje de la serie Qwen (Alibaba Cloud). Ofrece mejoras integrales en comprensión de texto, percepción visual, contexto extendido (256K nativo, expandible a 1M) e interacción con agentes. Empaquetado como checkpoints de codificador de texto para ComfyUI en tamaños 4B y 8B con opciones de cuantización bf16, fp8 escalado y nvfp4.
| Desarrollador | Alibaba Cloud (Equipo Qwen) |
| Fecha de publicación | 2025-07 |
| Arquitectura | Transformer de Visión-Lenguaje Denso y MoE |
| Licencia | Apache-2.0 |
| Variantes | 4B (Denso), 8B (Denso) |
| Ventana de contexto | 256K nativo (expandible a 1M) |
| Cuantizaciones | BF16, FP8 escalado, NVFP4 (solo 8B) |
| Capacidades | Agente visual, OCR (32 idiomas), codificación visual, percepción espacial, comprensión de videos largos |
Guides and workflows related to this model series.
No articles found.
Comentarios
Inicia sesión con GitHub para unirte a la conversación.