Картинка + текстДокументы и OCR

Qwen-VL

Одна из сильнейших открытых моделей зрения: читает документы, таблицы, графики, видео, работает с интерфейсами. С Qwen3.5 зрение встроено прямо в основную модель Qwen.

Разработчик
Alibaba (команда Qwen), Китай
Первый выпуск
авг 2023
Последний выпуск
окт 2025
Размеры
2B – 235B-A22B
Лицензия
Можно в коммерциюQwen3-VL — Apache 2.0; у старых Qwen-VL и части Qwen2/2.5-VL (3B, 72B) собственные лицензии Qwen
Поставить на свой сервер Hugging Face GitHub

Какие задачи решает

  • Извлечение данных из сканов счетов и накладных
  • Разбор фотографий товаров и витрин
  • Анализ видео и записей с камер
  • Агент, работающий с интерфейсом по скриншотам

Где применяется

Бухгалтерия и документооборотРозница и складЭлектронная коммерцияСлужбы поддержки

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии
подходит
1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии
подходит
КластерСервер с несколькими видеокартами — флагманские версии
подходит

Версии

  1. Qwen3-VL 2B – 32B
  2. Qwen3-VL 235B-A22B и 30B-A3B
  3. Qwen2.5-VL-32B
  4. Qwen2.5-VL
  5. Qwen2-VL
  6. Qwen-VL

Как внедряю у заказчика

  1. ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
  2. УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
  3. ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
  4. ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.

Похожие модели

ТекстQwenAlibaba · КитайКоммерция с условиями

Семейство языковых моделей с сильным русским языком: от маленьких версий для ноутбука до флагмана уровня коммерческих API.

ПодробнееКартинка + текстInternVLShanghai AI Laboratory (OpenGVLab) · КитайМожно в коммерцию

Большая линейка китайских моделей зрения с размерами от 1B до 241B. InternVL-U (4B) объединяет понимание картинок, их генерацию и редактирование.

ПодробнееКартинка + текстMiniCPM-VOpenBMB (ModelBest и Университет Цинхуа) · КитайМожно в коммерцию

Компактные модели зрения, которые работают даже на телефоне и ноутбуке. Хорошо читают текст на фото, понимают видео; версия 4.6 весит всего 1.3B.

Подробнее