Qwen3-VL : Encodeur de texte Vision-Langage pour ComfyUI
Qwen3-VL est le dernier modèle vision-langage d'Alibaba, conçu comme encodeur de texte pour ComfyUI. Disponible en variantes 4B et 8B avec quantification bf16, fp8 et nvfp4.
Q
Qwen3-VL
Vision-LangageEncodeur de texteOCRAgentOpen SourceDernier modèle vision-langage de la série Qwen (Alibaba Cloud). Offre des améliorations complètes en compréhension de texte, perception visuelle, contexte étendu (256K natif, extensible à 1M) et interaction agent. Empaqueté en points de contrôle d'encodeur de texte ComfyUI dans les tailles 4B et 8B avec options de quantification bf16, fp8 scalaire et nvfp4.
| Développeur | Alibaba Cloud (Qwen Team) |
| Date de sortie | 2025-07 |
| Architecture | Transformer Vision-Langage Dense & MoE |
| Licence | Apache 2.0 |
| Variantes | 4B (Dense), 8B (Dense) |
| Fenêtre de contexte | 256K natif (extensible à 1M) |
| Quantifications | BF16, FP8 scalaire, NVFP4 (8B uniquement) |
| Capacités | Agent visuel, OCR (32 langues), codage visuel, perception spatiale, compréhension de longues vidéos |
Guides and workflows related to this model series.
No articles found.