Qwen-VLファミリー: ComfyUI向けAlibaba視覚言語モデル

Qwen-VLは、AlibabaによるQwenシリーズの視覚言語モデルファミリーで、ComfyUIテキストエンコーダとして使用され、マルチモーダルワークフローにおける視覚言語理解をサポートします。

A

Alibaba Qwen-VL

視覚言語テキストエンコーダOCRエージェントオープンソース

Qwenシリーズ（Alibaba Cloud）の視覚言語モデルファミリー。Qwen3-VLは、テキスト理解、視覚認識、拡張コンテキスト（ネイティブ256K、拡張可能1M）、32言語のOCR、エージェントインタラクション機能において包括的なアップグレードを提供します。4Bおよび8BのバリアントがComfyUIテキストエンコーダとして利用可能です。

HF OrgGitHub

モデル

モデル説明ライセンスリリース日
Qwen3-VLComfyUI向けの視覚言語テキストエンコーダ。4Bおよび8Bバリアントで、bf16、fp8、nvfp4量子化に対応。Apache 2.02025-07

上のモデルを選択して、厳選された重みダウンロード、チュートリアル、関連情報をご確認ください。