Qwen3 VL 32B Instruct
Qwen3-VL-32B-Instruct 是一款大规模多模态图文视频模型，专为实现文本、图像及视频的高精度理解与推理而设计。它拥有320亿参数，将深度视觉感知能力与先进的文本处理技术相结合，能够高效处理多模态信息，为复杂的跨模态任务提供可靠支持，助力用户完成各类需要视觉与语言协同的智能应用场景。
上下文 131K会用工具结构化输出能看图
适合做什么
根据公开评测与能力标签，一句话帮你判断用途
整体来看，还能看图一起分析。
实力怎么样
Artificial Analysis 公开指数，分数越高越好，大约按 0–100 理解
这款模型还没有公开智能指数，评测榜暂时排不上。
去评测榜看其它模型大概要花多少钱
按每百万 tokens 计价（约等于几十万到上百万汉字量级）
读入内容
$0.104/M
你把资料/问题喂给模型的费用
写出回答
$0.416/M
模型生成回复的费用，通常更贵
举个例子：读进约 50 万 tokens、写出约 5 万 tokens，大约花费 $0.07（按公开标价估算）。
能处理什么
输入、输出与常见能力开关
能看懂
文本图像
能产出
文本
还会这些
工具调用JSON / 结构化指定输出格式推理参数可见思考过程