阿里通义今日宣布Qwen3-VL系列新增Dense架构的Qwen3-VL-8B和Qwen3-VL-4B模型，已正式开源上线。

Qwen3-VL-4B与Qwen3-VL-8B为密集型视觉理解模型，显存占用更低，具备Qwen3-VL全系列能力，各尺寸均提供Instruct和Thinking两个版本。

Qwen3-VL-8B在STEM、VQA、OCR、视频理解及Agent任务等多项公开评测中表现突出，性能超越Gemini 2.5 Flash Lite与GPT-5 Nano，接近Qwen2.5-VL-72B这一上一代超大规模模型。

Qwen3-VL-4B则侧重端侧应用，具备更高性价比，适用于需AI视觉理解能力的智能终端部署。

此次新模型实现“视觉精准”与“文本稳健”的协同提升，解决了小模型常存在的能力“跷跷板”问题——即增强视觉能力时往往削弱文本理解，反之亦然。通过架构创新与技术优化，新模型在强化多模态感知与视觉理解的同时，保持了原有的文本理解能力。

目前，两款模型已上线魔搭社区与Hugging Face平台，并提供FP8版本支持。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。