阿里通义 Qwen3-VL 系列全新成员 4B 与 8B 模型开源上线

IT之家 10 月 15 日消息，阿里通义今日官宣 Qwen3-VL 系列再添新成员 ——Dense 架构的 Qwen3-VL-8B、Qwen3-VL-4B 模型开源上线。

Qwen3-VL-4B / 8B 是密集（Dense）视觉理解模型，显存占用更低，拥有 Qwen3-VL 的全部能力项，每个尺寸都有 Instruct 和 Thinking 两大版本。

Qwen3-VL-8B 在 STEM、VQA、OCR、视频理解和 Agent 任务等公开评测上表现优异，不仅超越 Gemini 2.5 Flash Lite 和 GPT-5 Nano，甚至可以媲美上一代超大尺寸模型 Qwen2.5-VL-72B。

而 4B 版本则在端侧展现更高的性价比，适合在需要 AI 视觉理解的智能终端部署。

值得一提的是，这两款视觉理解模型实现了「视觉精准」与「文本稳健」的协同突破：针对小模型常见的“跷跷板”问题（提升视觉能力往往牺牲文本性能，反之亦然），阿里通过架构创新和技术优化，让模型在保持文本理解能力的同时，增强多模态感知与视觉理解能力，小身板里塞进了更强的视觉和文本能力。

新模型现已上线魔搭社区、Hugging Face，也提供 FP8 版本，IT之家附开源地址如下：