Alibaba Cloud: Qwen3-VL Plus

Qwen3 VL Plus kombiniert visuelle Interpretation mit einem langen Konversationskontext. Es eignet sich für Dokumenten- und Bildanalysen, bei denen ein Screenshot, ein Diagramm oder eine Seite zusammen mit einem umfangreichen schriftlichen Hintergrund verstanden werden muss.

Modelle vergleichen

qwen3-vl-plus

VerfügbarAlibaba CloudUnterhaltung

Eingabe / Ausgabe: $0.20 / $1.60
Kontext: 260K
Maximale Ausgabe: 32K
Modalitäten: VisionUnterhaltung
Funktionen: Prompt-Cache

Über Qwen3-VL Plus

Qwen3-VL Plus ist die gehostete Vision-Language-Stufe der Qwen3-VL-Serie von Alibaba. Die Serie umfasst die Erkennung von PC- und mobilen Oberflächenelementen, Texterkennung in 32 Sprachen, räumliche Verankerung (Spatial Grounding) und Videoverständnis über stundenlanges Filmmaterial. Es nimmt Bildeingaben entgegen und unterstützt Prompt-Caching, was sich für die Analyse von Seiten und Diagrammen neben langem Text eignet.

Stärken

Erkennt Oberflächenelemente in Screenshots und beschreibt deren Funktion.
Liest Text in 32 Sprachen, auch unter schwierigen Bedingungen.
Räumliche Wahrnehmung für Objektpositionen und 3D-Verankerung.
Videoverständnis mit Rückruf von langem Filmmaterial.

Alternativen

Qwen3.8 und Qwen3.7-Plus sind neuere Modelle mit Bildverarbeitungsfähigkeiten.
Die Ausgabe erfolgt nur als Text; es beschreibt also Bilder, kann diese aber nicht zeichnen, bearbeiten oder generieren.

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 API

POST/v1/messages

API-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": "qwen3-vl-plus",
    "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.

Eingabe Token <= 32K

Pro 1M Token

Official-Preis: Eingabe $0.20 / Ausgabe $1.60 / Cache-Lesevorgang $0.04 / Cache-Schreibvorgang $0.25 / Text Eingabe $0.20 / Text Ausgabe $1.60
Verified-Preis: —
Rabatt: —

Eingabe Token <= 128K

Pro 1M Token

Official-Preis: Eingabe $0.30 / Ausgabe $2.40 / Cache-Lesevorgang $0.06 / Cache-Schreibvorgang $0.375 / Text Eingabe $0.30 / Text Ausgabe $2.40
Verified-Preis: —
Rabatt: —

Eingabe Token <= 256K

Pro 1M Token

Official-Preis: Eingabe $0.60 / Ausgabe $4.80 / Cache-Lesevorgang $0.12 / Cache-Schreibvorgang $0.75 / Text Eingabe $0.60 / Text Ausgabe $4.80
Verified-Preis: —
Rabatt: —

Prompt-Cache-Preise

Cache-Lesevorgang

Official-Preis: $0.04
Verified-Preis: —
Rabatt: —

Cache-Schreibvorgang

Official-Preis: $0.25
Verified-Preis: —
Rabatt: —

	Official-PreisPro 1M Token	Verified-PreisPro 1M Token	Rabatt
Eingabe Token <= 32K	Eingabe $0.20 / Ausgabe $1.60 / Cache-Lesevorgang $0.04 / Cache-Schreibvorgang $0.25 / Text Eingabe $0.20 / Text Ausgabe $1.60	—	—
Eingabe Token <= 128K	Eingabe $0.30 / Ausgabe $2.40 / Cache-Lesevorgang $0.06 / Cache-Schreibvorgang $0.375 / Text Eingabe $0.30 / Text Ausgabe $2.40	—	—
Eingabe Token <= 256K	Eingabe $0.60 / Ausgabe $4.80 / Cache-Lesevorgang $0.12 / Cache-Schreibvorgang $0.75 / Text Eingabe $0.60 / Text Ausgabe $4.80	—	—
Prompt-Cache-Preise
Cache-Lesevorgang	$0.04	—	—
Cache-Schreibvorgang	$0.25	—	—

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

Modellleistung

Zuletzt aktualisiert 01.11.2026, 10:23 UTC

Metriken erscheinen, sobald die Schwellenwerte für Datenschutz und Datenvolumen erreicht sind.

Die Daten basieren auf aggregierten Benutzeranfragen, Statusprüfungen sind ausgeschlossen.

In Console öffnen

Öffne Qwen3-VL Plus in Console mit einer bearbeitbaren oder versandbereiten Eingabeaufforderung.

Teste qwen3-vl-plus mit einer kurzen Nachricht an /v1/messages. Zeige Antwort, Latenz und Kosten.

Anwendungsfälle

Geeignet für

Vision

OCR und Formularextraktion
Extrahieren Sie Anbieter, Datum und Summen aus gescannten Quittungen und Formularen in vielen Sprachen und geben Sie diese als strukturierte Felder für ein Hauptbuch zurück.
Diagramm- und Tabelleninterpretation
Erklären Sie, was ein Diagramm zeigt, markieren Sie irreführende Achsen und wandeln Sie ein Tabellenbild in Zeilen um, die mit der Quelle abgeglichen werden können.
Positionierung von GUI-Elementen
Finden Sie Schaltflächen und Felder in einem Screenshot der Benutzeroberfläche und beschreiben Sie deren Position als Eingabe für einen Automatisierungs-Agenten.
Überprüfung langer Videos
Fragen Sie nach einer zeitlichen Abfolge von Ereignissen in einer langen Aufnahme, wie z. B. einem Meeting-Mitschnitt, einer Produktdemo oder Überwachungsaufnahmen.

Prompt-Beispiele

Extrahieren Sie Anbieter, Datum und Summe aus dieser japanischen Quittung.

Ziehen Sie Schlussfolgerungen aus diesem Diagramm und markieren Sie irreführende Achsen.

Wo befindet sich die Schaltfläche „Absenden“ in diesem Screenshot? Geben Sie ihre Position an.

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 ist Qwen3-VL Plus?

Es ist das gehostete Modell der höheren Stufe aus Alibabas Qwen3-VL-Serie zum Verständnis von Bildern und Videos in Verbindung mit Text. Die Serie basiert auf visuellen Agenten, Texterkennung, räumlichem Denken und dem Rückruf langer Videos.

Welche Sprachen kann es in Bildern lesen?

Alibaba führt für Qwen3-VL die Texterkennung in 32 Sprachen auf, auch unter schwierigen Bedingungen wie Unschärfe, schlechter Beleuchtung oder schiefen Seiten. Die Qualität variiert je nach Schriftart und Bildqualität.

Kann Qwen3-VL Plus Videos verarbeiten?

Ja. Videoverständnis ist ein Hauptmerkmal der Qwen3-VL-Serie, die laut Alibaba Inhalte über stundenlanges Filmmaterial hinweg abrufen kann. Fragen Sie nach Zeitstempeln, um Ereignisse in der Aufnahme zu lokalisieren.

Kann es Oberflächenelemente finden?

Ja. Die Qwen3-VL-Serie erkennt Oberflächenelemente und deren Funktionen auf PC- und mobilen Bildschirmen, sodass sie angeben kann, wo sich eine Schaltfläche in einem Screenshot befindet. Die Interaktion mit der Oberfläche bleibt Ihrem eigenen Automatisierungscode überlassen.

Gibt es eine neuere Vision-Option von Alibaba?

Ja. Qwen3.7-Plus und die Qwen3.8-Modelle sind neuere multimodale Modelle. Behalten Sie Qwen3-VL Plus bei, wenn Ihre Prompts darauf abgestimmt sind und die Ergebnisse gut sind.

Was kostet Qwen3-VL Plus?

Auf TokenLab kostet Qwen3-VL Plus Eingabe $0.20 / Ausgabe $1.60 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 Qwen3-VL Plus?

Qwen3-VL Plus verarbeitet bis zu 260.096 Token Kontext und gibt pro Antwort bis zu 32.768 Token aus.

Welchen Endpunkt soll Qwen3-VL Plus verwenden?

Verwenden Sie https://api.tokenlab.sh/v1/messages für Qwen3-VL Plus. Das folgende Anforderungsbeispiel zeigt die passende Code-Struktur.

Welche Operationen unterstützt Qwen3-VL Plus?

Qwen3-VL Plus unterstützt Text-zu-Text. Wählen Sie oben einen Vorgang aus, um dessen Endpunkt und Anforderungsbeispiel anzuzeigen.