Alibaba Cloud Model Studio:Comprensión visual

Elija el modelo adecuado para su caso de uso, como análisis de imágenes, comprensión de video u OCR.

Comprensión de imágenes y videos

Comience con qwen3.7-plus, el modelo insignia de Qwen. Admite ventana de contexto de 1M, videos de hasta 2 horas, llamada a funciones y herramientas integradas. Una vez que su aplicación sea estable, puede cambiar a qwen3.7-flash para reducir costos. Ofrece un rendimiento casi insignia con la misma longitud de contexto y conjunto de funciones.

Resolución de imagen

La mayoría de los modelos admiten hasta 16 millones de píxeles por imagen. Las resoluciones más altas utilizan más tokens. Recuento de tokens por imagen: h x w / (32 x 32) + 2.

Soporte de video

• Hasta 2 horas / 2 GB: qwen3.8-max, qwen3.8-max-0902, qwen3.8-flash, qwen3.8-omni-flash, qwen3.7-plus, qwen3.6-plus, qwen3.7-flash, qwen3.6-flash, qwen3.5-plus, qwen3.5-flash
• Hasta 1 hora / 2 GB: qwen3-vl-plus
• Hasta 1 hora / 2 GB: qwen3.5-omni-plus, qwen3.5-omni-flash (también admite entrada de audio)

Para comprender el sonido en un video o proporcionar entrada de audio, utilice qwen3.8-omni-flash, que produce salida de texto. Consulte Qwen3.8-Omni-Flash para ejemplos de invocación.

Llamada a funciones y herramientas integradas

Permite al modelo realizar acciones basadas en el contenido de imágenes o videos.

• Llamada a funciones: Admitida por las series Qwen3.8, Qwen3.7, Qwen3.6, Qwen3.5, Qwen3.5-Omni y Qwen3-VL.
• Herramientas integradas (búsqueda web, ejecución de código, sin configuración requerida): Disponibles para qwen3.8-max, qwen3.8-max-0902, qwen3.8-flash, qwen3.7-max-2026-06-08, qwen3.7-plus, qwen3.6-plus, qwen3.7-flash, qwen3.6-flash, qwen3.5-plus y qwen3.5-flash. qwen3.8-omni-flash admite la herramienta integrada web_search.

Salida estructurada

Obtenga una salida JSON válida a partir de entradas visuales, como extraer detalles de productos de una foto.

Admitido por las series Qwen3.7, Qwen3.6, Qwen3.5 y Qwen3-VL en modo sin pensamiento. Qwen3.8-Omni-Flash admite el modo JSON Object tanto en modos con pensamiento como sin pensamiento.

OCR y extracción de documentos

qwen3.5-ocr está optimizado para la extracción de texto de documentos, tablas, exámenes y contenido manuscrito. Para la extracción general de texto de imágenes, utilice qwen3.7-plus o qwen3.7-flash.

Modelos recomendados

ID de modelo	Contexto	Máximo de píxeles/imagen	Duración máxima de video	Tamaño máximo de video	Máximo de imágenes	Máximo de videos	Llamada de función	Herramientas integradas	Salida estructurada
qwen3.8-max	1M	16M	2 horas	2 GB	2048	64	Compatible	Compatible	Compatible
qwen3.8-max-0902	1M	16M	2 horas	2 GB	2048	64	Compatible	Compatible	Compatible
qwen3.8-flash	1M	16M	2 horas	2 GB	2048	64	Compatible	Compatible	Compatible
qwen3.8-omni-flash	1M	16M	2 horas	2 GB	2048	64	Compatible	web_search	JSON Object
qwen3.7-plus	1M	16M	2 horas	2 GB	2048	64	Compatible	Compatible	Compatible
qwen3.7-flash	1M	16M	2 horas	2 GB	256	64	Compatible	Compatible	Compatible
qwen3.5-omni-plus	256k	--	1 hora	2 GB	2,048	512	Compatible	--	JSON Object

Modelos heredados

Qwen3.7

ID de modelo	Entrada	Salida	Contexto	Salida máxima	Máximo de imágenes	Máximo de videos	Llamada de función	Herramientas integradas	Salida estructurada
qwen3.7-plus Ver instantáneas qwen3.7-plus-2026-05-26	Texto, imágenes, video	Text	1M	64k	2048	64	Compatible	Compatible	Compatible
qwen3.7-flash Ver instantáneas qwen3.7-flash-2026-07-15	Texto, imágenes, video	Text	1M	64k	256	64	Compatible	Compatible	Compatible

Qwen3.6

ID de modelo	Entrada	Salida	Contexto	Salida máxima	Máximo de imágenes	Máximo de videos	Llamada de función	Herramientas integradas	Salida estructurada
qwen3.6-plus Ver instantáneas qwen3.6-plus-2026-04-02	Texto, imágenes, video	Text	1M	64k	256	64	Compatible	Compatible	Compatible
qwen3.6-flash Ver instantáneas qwen3.6-flash-2026-04-16	Texto, imágenes, video	Text	1M	64k	256	64	Compatible	Compatible	Compatible
qwen3.6-35b-a3b	Texto, imágenes, video	Text	256k	64k	256	64	Compatible	Compatible	Compatible

Qwen3.5

ID de modelo	Entrada	Salida	Contexto	Salida máxima	Máximo de imágenes	Máximo de videos	Llamada de función	Herramientas integradas	Salida estructurada
qwen3.5-plus Ver instantáneas qwen3.5-plus-2026-02-15	Texto, imágenes, video	Text	1M	64k	256	64	Compatible	Compatible	Compatible
qwen3.5-flash Ver instantáneas qwen3.5-flash-2026-02-23	Texto, imágenes, video	Text	1M	64k	256	64	Compatible	Compatible	Compatible
qwen3.5-397b-a17b	Texto, imágenes, video	Text	32k	8k	256	64	Compatible	Compatible	Compatible
qwen3.5-122b-a10b	Texto, imágenes, video	Text	32k	8k	256	64	Compatible	Compatible	Compatible
qwen3.5-27b	Texto, imágenes, video	Text	32k	8k	256	64	Compatible	Compatible	Compatible
qwen3.5-35b-a3b	Texto, imágenes, video	Text	32k	8k	256	64	Compatible	Compatible	Compatible

Estos modelos ya no se recomiendan. Para nuevos proyectos, utilice la serie Qwen3.6 o Qwen3.5. Para obtener las especificaciones completas de los modelos, visite la página de Modelos.

China (Pekín) | Singapore | EE. UU. | China (Hong Kong) | Germany (Frankfurt)

Ver lista de modelos heredados y otros modelos

Qwen3-VL

• qwen3-vl-plus y sus instantáneas

Qwen-Omni

• qwen3-omni-flash y sus instantáneas

Qwen-OCR

• qwen-vl-ocr y sus instantáneas