Qwen3-VL：视觉语言文本编码器
Qwen3-VL 是阿里云最新视觉语言模型，可作为 ComfyUI 文本编码器使用，提供 4B 和 8B 两种变体，支持 bf16、fp8 和 nvfp4 量化。
Q
Qwen3-VL
视觉-语言文本编码器OCR智能体开源来自 Qwen 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）和智能体交互方面实现了全面升级。作为 ComfyUI 文本编码器模型发布，提供 4B 和 8B 两种大小，支持 bf16、fp8 缩放和 nvfp4 量化选项。
| 开发者 | 阿里云（千问团队） |
| 发布日期 | 2025-07 |
| 架构 | 密集与 MoE 视觉-语言 Transformer |
| 许可证 | Apache-2.0 |
| 变体 | 4B（密集）、8B（密集） |
| 上下文窗口 | 原生256K（可扩展至1M） |
| 量化格式 | BF16、FP8缩放、NVFP4（仅8B） |
| 能力 | 视觉智能体、OCR（32种语言）、视觉编码、空间感知、长视频理解 |
Guides and workflows related to this model series.
No articles found.