Qwen3-VL: Vision Language Text Encoder for ComfyUI
Qwen3-VL is Alibaba's latest vision-language model for use as a ComfyUI text encoder, available in 4B and 8B variants with bf16, fp8, and nvfp4 quantization.
Q
Qwen3-VL
视觉语言文本编码器OCR智能体开源来自千问系列（阿里云）的最新视觉语言模型。在文本理解、视觉感知、扩展上下文（原生256K，可扩展至1M）以及智能体交互方面带来全面升级。打包为ComfyUI文本编码器模型，提供4B和8B两种尺寸，支持bf16、fp8 scaled和nvfp4量化选项。
| 开发者 | 阿里云（千问团队） |
| 发布日期 | 2025年7月 |
| 架构 | Dense和MoE视觉语言Transformer |
| 许可证 | Apache 2.0 |
| 变体 | 4B（Dense），8B（Dense） |
| 上下文窗口 | 256K原生（可扩展至1M） |
| 量化 | BF16、FP8 scaled、NVFP4（仅8B） |
| 能力 | 视觉智能体、OCR（32种语言）、视觉编程、空间感知、长视频理解 |
Guides and workflows related to this model series.
No articles found.