Qwen3-VL-8B-Instruct 是 Qwen3-VL 系列中的一款多模态视觉语言模型，专为高保真度的文本、图像和视频理解与推理而打造。 该模型采用增强的多模态融合技术，包括： - Interleaved-MRoPE：用于长时间序列的时间推理； - DeepStack：实现精细级别的视觉—文本对齐； - 文本-时间戳对齐机制：用于精准的事件定位。 模型原生支持 256K Token 上下文窗口，并可扩展至 100万 Token，能够同时处理静态与动态媒体输入，适用于文档解析、视觉问答、空间推理以及 GUI 控制等任务。 其文本理解能力可与领先的大语言模型相媲美，同时扩展了 32种语言的OCR识别能力，并在多样化视觉条件下具备更强的鲁棒性与稳定性。
模型价格立即体验模型
| 输入 | ￥0.5/Mt |
| 输出 | ￥2/Mt |
示例代码
1base_url="https://api.ppinfra.com/openai"
2api_key="<您的 API Key>"
3
4curl "$base_url/v1/chat/completions" \
5 -H "Content-Type: application/json" \
6 -H "Authorization: Bearer $api_key" \
7 -d @- << 'EOF'
8{
9 "model": "qwen/qwen3-vl-8b-instruct",
10 "messages": [
11
12 {
13 "role": "user",
14 "content": "Hi there!"
15 }
16 ],
17 "response_format": { "type": "text" }
18}
19EOF
20 模型信息
上下文窗口:
131072
最大输出 token 数:
32768
模态:
支持的功能
API 接入指南
Base URL:
https://api.ppinfra.com/openai
API Endpoints:
/v1/chat/completions
Model ID:
qwen/qwen3-vl-8b-instruct
API Key:
创建 & 查询您的 API KeyRate Limits
| 用量级别 | RPM | TPM |
|---|---|---|
| T1 | 30 | 50,000,000 |
| T2 | 30 | 50,000,000 |
| T3 | 30 | 50,000,000 |
| T4 | 3,000 | 50,000,000 |
| T5 | 30 | 50,000,000 |
功能使用教程