Alibaba Cloud: Qwen-VL-OCR
qwen-vl-ocr- Eingabe / Ausgabe
- $0.07 / $0.16
- Kontext
- 30K
- Maximale Ausgabe
- 8K
- Modalitäten
- VisionUnterhaltung
Über Qwen-VL-OCR
Qwen-VL-OCR ist Alibabas Texterkennungsmodell, das auf Qwen3-VL basiert und dazu dient, Text und strukturierte Daten aus Bildern wie gescannten Dokumenten, Tabellen, Quittungen und Screenshots zu extrahieren. Es bietet integrierte Aufgaben für einfache Erkennung, Extraktion von Schlüsselinformationen, Tabellen-Parsing, Dokumenten-Parsing sowie Formelerkennung und kann die Bildrotation korrigieren.
Stärken
- Integrierte Aufgabenmodi decken Texterkennung, hochpräzise Erkennung mit Positionsangaben, Tabellen-Parsing in HTML und Formelerkennung in LaTeX ab.
- Die Extraktion von Schlüsselinformationen wandelt Quittungen, Zertifikate und Formulare mithilfe von Ihnen definierter Felder in JSON um.
- Die Korrektur der Bildrotation hilft bei fotografierten Seiten, die schief aufgenommen wurden.
Alternativen
- Alibaba führt Qwen3.5-OCR als das neuere Modell mit besserem Dokumenten-Parsing und Zertifikatsextraktion auf.
- Die Ausgabe erfolgt ausschließlich als Text, JSON, HTML oder LaTeX, niemals als bearbeitetes oder annotiertes Bild.
- Es liest Bilder, keine freien Konversationen, und ist nicht für offene Schlussfolgerungen gedacht.
Erste Schritte
API-Schlüssel erstellen
Erstelle einen Schlüssel in Console und nutze ihn mit jedem Modell auf der Plattform.
Senden Sie Ihre erste Anfrage
Kopieren Sie das Beispiel für Ihre Sprache und führen Sie es gegen den Endpunkt aus.
Text-zu-TextMessages APIPOST/v1/messagesAPI-Format:curl https://api.tokenlab.sh/v1/messages \ -H "Content-Type: application/json" \ -H "x-api-key: sk-xxx" \ -H "anthropic-version: 2023-06-01" \ -d '{ "model": "qwen-vl-ocr", "max_tokens": 1024, "messages": [ {"role": "user", "content": "Hello!"} ] }'
Preise
Der Verified-Preis gilt für Verified und ist bei den meisten Modellen günstiger. Der Official-Preis ist der veröffentlichte Preis des Modellherstellers und gilt für die zuverlässigere Official-Route. Auto rechnet die Route ab, die die Anfrage abschließt.
Default
Pro 1M Token- Official-Preis
- Eingabe $0.07 / Ausgabe $0.16 / Text Eingabe $0.07 / Text Ausgabe $0.16
- Verified-Preis
- —
- Rabatt
- —
| Official-PreisPro 1M Token | Verified-PreisPro 1M Token | Rabatt | |
|---|---|---|---|
| Default | Eingabe $0.07 / Ausgabe $0.16 / Text Eingabe $0.07 / Text Ausgabe $0.16 | — | — |
Nutzung & Aktivität
Die Erfolgsquote ist der Anteil abgeschlossener Anfragen. Die Latenz ist die Dauer einer vollständigen Antwort; P95 bedeutet, dass 95 % der Anfragen innerhalb dieser Zeit abgeschlossen wurden.
Nutzung & Verfügbarkeit
Letzte 24 Stunden- Anfragen
- Erfolgsrate
- P95-Latenz
- Token gesamt
Die Daten basieren auf aggregierten Benutzeranfragen, Statusprüfungen sind ausgeschlossen.
In Console öffnen
Öffne Qwen-VL-OCR in Console mit einer bearbeitbaren oder versandbereiten Eingabeaufforderung.
Teste qwen-vl-ocr mit einer kurzen Nachricht an /v1/messages. Zeige Antwort, Latenz und Kosten.
Anwendungsfälle
Geeignet für- Vision
Erfassung von Quittungen und Rechnungen
Extrahieren Sie Händler, Datum, Einzelposten und Summen aus Quittungen und Rechnungen in JSON für Buchhaltungssysteme.
Tabellen-Digitalisierung
Konvertieren Sie eine gescannte oder fotografierte Tabelle in HTML, das von einem Tabellenkalkulations- oder Datenbankimport verarbeitet werden kann.
Formelextraktion
Extrahieren Sie Gleichungen aus Vorlesungsfolien oder Papieren als LaTeX, damit sie bearbeitet oder neu gesetzt werden können.
Prompt-Beispiele
Extrahieren Sie den gesamten Text aus diesem Bild.
Lesen Sie diese Quittung und geben Sie JSON mit Händler, Datum, Einzelposten und Summe zurück.
Konvertieren Sie die Tabelle in diesem Scan in HTML.
Dieses Modell hat konditionale Preise. Monatliche Token-Summen allein liefern keine verlässliche Schätzung; nutzen Sie die detaillierten Preise für Anfragespezifikation, Cache und Zeitfenster.
FAQ
Was macht Qwen-VL-OCR?
Es liest Text aus Bildern und gibt ihn je nach Aufgabe als reinen Text, JSON, HTML oder LaTeX zurück. Als Eingabe dienen Bilder wie Scans, Quittungen und Screenshots.
Wie unterscheidet es sich von Qwen3.5-OCR?
Qwen-VL-OCR basiert auf Qwen3-VL und verfügt über integrierte Aufgabenmodi mit Rotationskorrektur. Alibaba beschreibt Qwen3.5-OCR als die neueste Architektur mit verbessertem Dokumenten-Parsing, Textlokalisierung und Zertifikatsextraktion.
Welche Sprachen kann es lesen?
Alibaba führt Chinesisch, Englisch, Russisch, Französisch, Türkisch, Italienisch, Portugiesisch, Hebräisch und Arabisch unter den unterstützten Sprachen auf und beschreibt die Unterstützung als mehrsprachig, nicht als geschlossene Liste.
Kann es strukturierte Felder extrahieren?
Ja. Die Aufgabe zur Extraktion von Schlüsselinformationen gibt Quittungen, Zertifikate und Formulare als JSON zurück, wobei die Felder verwendet werden, die Sie im Prompt angeben, sodass nachgelagerter Code die Werte direkt lesen kann.
Funktioniert es bei Fotos von Dokumenten?
Ja, und es kann gedrehte Bilder korrigieren. Alibaba dokumentiert, dass Bilder automatisch innerhalb eines angegebenen Pixelbereichs skaliert werden, sodass sehr kleine oder sehr große Bilder vor der Erkennung angepasst werden.
Was kostet Qwen-VL-OCR?
Auf TokenLab kostet Qwen-VL-OCR Eingabe $0.07 / Ausgabe $0.16 Pro 1M Token. Die vollständige Aufschlüsselung steht in der Preistabelle oben. Die Preise hängen von Abrechnungseinheit, Spezifikation und Nutzung ab. Vergleichen Sie gleiche Bedingungen in der detaillierten Preisliste des Modells; eine einzelne Rate bestimmt nicht die Gesamtkosten.
Welche Kontext- und Ausgabelimits hat Qwen-VL-OCR?
Qwen-VL-OCR verarbeitet bis zu 30.000 Token Kontext und gibt pro Antwort bis zu 8.192 Token aus.
Welchen Endpunkt soll Qwen-VL-OCR verwenden?
Verwenden Sie https://api.tokenlab.sh/v1/messages für Qwen-VL-OCR. Das folgende Anforderungsbeispiel zeigt die passende Code-Struktur.
Welche Operationen unterstützt Qwen-VL-OCR?
Qwen-VL-OCR unterstützt Text-zu-Text. Wählen Sie oben einen Vorgang aus, um dessen Endpunkt und Anforderungsbeispiel anzuzeigen.
Qwen-VL-OCR vergleichen
Quellen
Geprüft am 02.10.2026
