亚洲中文字幕日本无线码_亚洲国产人成中文幕一级二级_中文字幕无码精品三级在线电影_中文字幕人妻丝袜乱一区三区

9月24日的2025云棲大會上，阿里開源新一代視覺理解模型Qwen3-VL。該模型在視覺感知和多模態推理方面實現重大突破，在32項核心能力測評中超過Gemini2.5-Pro和GPT-5。同時，Qwen3-VL大幅提升了視覺Agent、視覺編程和空間感知等關鍵能力，不但可調用摳圖、搜索等工具完成“帶圖推理”，也可以憑借一張設計草圖或一段小游戲視頻直接“視覺編程”，“所見即所得”地復刻圖表、網頁和復雜程序。

本次開源的是旗艦版Qwen3-VL-235B-A22B，有開源指令（Instruct）模型和推理（Thinking）模型兩大版本。Qwen3-VL展現了在復雜視覺任務中的強大泛化能力與綜合性能，在邏輯謎題、通用視覺問答、多語言文本識別與圖表文檔解析、二維與三維目標定位、具身與空間感知、視頻理解等32項具體測評中，指令版Qwen3-VL超越了Gemini2.5-Pro 和 GPT5等閉源模型，同時刷新了開源多模態模型的最佳成績。推理版Qwen3-VL多模態思考能力顯著增強，在 MathVision、MMMU、MathVista 等權威評測中達到領先水平。

Qwen3-VL擁有極強的視覺智能體和視覺Coding能力，幾乎刷新所有相關評測的最佳性能。Qwen3-VL 不僅能看懂圖片，還能像人一樣操作手機和電腦，自動完成許多日常任務，例如打開應用、點擊按鈕、填寫信息等，實現智能化的交互與自動化操作。輸入一張圖片，Qwen3-VL可自行調用Agent工具放大圖片細節，通過更仔細的觀察分析，推理出更好的答案；看到一張設計圖，Qwen3-VL 就能生成Draw.io/HTML/CSS/JS 代碼，“所見即所得”地完成視覺編程，真正推動大模型從“識別”邁向“推理與執行”。

Qwen3-VL可支持擴展百萬tokens上下文，視頻理解時長擴展到2小時以上。這意味著，無論是幾百頁的技術文檔、整本教材，還是長達數小時的會議錄像或教學視頻，都能完整輸入、全程記憶、精準檢索。Qwen3-VL還能根據時間戳精確定位“什么時候發生了什么”，比如“第15分鐘穿紅衣服的人做了什么”“球從哪個方向飛入畫面”等，都能準確回答。

大模型的空間理解能力是實現具身智能的基礎，Qwen3-VL 專門增強了3D檢測（grounding）能力，可以更好地感知空間。當前，機器人想要輕松抓住桌上的一個蘋果，并不容易。憑借Qwen3-VL強大的3D檢測能力，未來可讓機器人更好地判斷物體方位、視角變化和遮擋關系，從而準確判斷蘋果的位置與自身距離，實現精準抓取。

據了解，千問視覺理解模型已實現廣泛落地，比如國家天文臺聯合阿里云發布的全球首個太陽大模型“金烏”，正是基于 Qwen-VL 等模型以超過90萬張太陽衛星圖像為樣本完成微調訓練。未來，Qwen3-VL模型還將開源更多尺寸版本。即日起，用戶可在通義千問QwenChat上免費體驗Qwen3-VL，也可通過阿里云百煉平臺調用API服務。