Qwen3-VL: ビジョン言語テキストエンコーダ
Qwen3-VLは、Alibabaが開発した最新のビジョン言語モデルで、ComfyUIのテキストエンコーダとして使用可能です。4Bおよび8Bのバリエーションがあり、bf16、fp8、nvfp4量子化に対応しています。
Q
Qwen3-VL
ビジョン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）の最新ビジョン言語モデル。テキスト理解、視覚認識、拡張コンテキスト（ネイティブ256K、最大1Mまで拡張可能）、エージェントインタラクションにわたる包括的なアップグレードを提供します。ComfyUIのテキストエンコーダチェックポイントとして、4Bおよび8Bサイズで、bf16、fp8 scaled、nvfp4量子化オプションが用意されています。
| 開発者 | Alibaba Cloud（Qwenチーム） |
| リリース日 | 2025-07 |
| アーキテクチャ | Dense & MoE ビジョン言語 Transformer |
| ライセンス | Apache-2.0 |
| バリアント | 4B（Dense）、8B（Dense） |
| コンテキストウィンドウ | 256K ネイティブ（1Mまで拡張可能） |
| 量子化 | BF16、FP8 scaled、NVFP4（8Bのみ） |
| 機能 | ビジュアルエージェント、OCR（32言語）、ビジュアルコーディング、空間認識、長時間ビデオ理解 |
Guides and workflows related to this model series.
No articles found.