Qwen/Qwen3-VL-30B-A3B-Thinking

Qwen3-VL 是 Qwen 系列迄今为止最强大的视觉语言模型。该模型进行了全面升级，包括卓越的文本理解与生成、更深层次的视觉感知与推理、更长的上下文长度、增强的空间和视频动态理解，以及更强的智能体交互能力。这个推理增强的 “Thinking” 版本基于混合专家（MoE）架构构建，擅长执行操作 PC/移动设备图形用户界面、从图像生成代码以及在 STEM 领域进行高级多模态推理等任务。它原生支持 256K 上下文长度，并拥有支持 32 种语言的扩展 OCR 能力。