阿里通义Qwen团队发布Qwen3-VL新模型：2B与32B参数版本覆盖多场景需求
项目地址: https://ai.gitcode.com/hf_mirrors/Qwen/Qwen3-VL-235B-A22B-Thinking-FP8 近日，阿里通义Qwen团队宣布旗下视觉语言模型家族Qwen3-VL迎来重要更新，新增2B和32B两种密集（Dense）参数规模的模型版本。此次扩展使得Qwen3-VL从轻量化模型到中高端性能模型形成完整产品线，全面覆盖各类视觉语言理解应用场景。
据介绍，新发布的两个模型版本均提供两种不同定位的选择：Instruct版本专注于提升响应速度和执行稳定性，适用于日常对话交互及工具调用等基础任务；Thinking版本则重点强化长链条推理能力与复杂视觉内容理解，具备“看图思考”的高级功能，能更高效地应对高难度任务挑战。
官方数据显示，Qwen3-VL-32B模型在STEM领域问题解答、视觉问答（VQA）、光学字符识别（OCR）、视频内容理解以及代理任务等多个评测维度上，表现均优于GPT-5 mini和Claude 4 Sonnet。尤为值得关注的是，该模型仅使用320亿参数就实现了与2350亿参数模型相当的性能水平，在OSWorld评测基准中更是直接超越了上述两款竞品。
与此同时，Qwen3-VL-2B模型在保持超小体量的同时展现出惊人性能，能够在资源受限的端侧设备上运行，为开发者提供了更轻量化的实验与部署选择。团队表示，Qwen3-VL系列模型致力于让“看懂世界”这一能力变得更轻便、更快速、更智能，覆盖从基础的图像识别、文本生成，到复杂的逻辑推理、创意内容创作等全场景需求。
截至目前，Qwen3-VL家族已形成完整的开源模型矩阵，包括2B、4B、8B、32B四款密集型模型，以及30B-A3B、235B-A22B两款混合专家（MoE）模型。所有模型均同步提供Instruct和Thinking两个版本，并附带12个FP8量化版本，累计24个开源权重模型全部支持获取相关资源，进一步推动视觉语言技术在各行业的创新应用。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
