Alibaba Cloud: Qwen-VL-OCR
qwen-vl-ocr- Entrada / Salida
- $0.07 / $0.16
- Contexto
- 30K
- Salida máxima
- 8K
- Modalidades
- VisiónChat
Sobre Qwen-VL-OCR
Qwen-VL-OCR es el modelo de reconocimiento de texto de Alibaba, basado en Qwen3-VL, diseñado para extraer texto y datos estructurados de imágenes como documentos escaneados, tablas, recibos y capturas de pantalla. Incluye tareas integradas para reconocimiento simple, extracción de información clave, análisis de tablas, análisis de documentos y reconocimiento de fórmulas, además de poder corregir la rotación de imágenes.
Puntos fuertes
- Los modos de tarea integrados cubren el reconocimiento de texto, el reconocimiento de alta precisión con posiciones, el análisis de tablas a HTML y el reconocimiento de fórmulas a LaTeX.
- La extracción de información clave convierte recibos, certificados y formularios en JSON utilizando los campos que usted defina.
- La corrección de rotación de imágenes ayuda con las páginas fotografiadas que están inclinadas.
Cuándo buscar otra opción
- Alibaba señala a Qwen3.5-OCR como el modelo más reciente con mejor análisis de documentos y extracción de certificados.
- La salida es solo texto, JSON, HTML o LaTeX; nunca una imagen editada o anotada.
- Lee imágenes, no conversaciones de forma libre, y no está diseñado para razonamientos abiertos.
Primeros pasos
Crear clave API
Genera una clave en Console y úsala con cualquier modelo de la plataforma.
Envía tu primera solicitud
Copia el ejemplo para tu lenguaje y ejecútalo contra el endpoint.
Texto a textoMessages APIPOST/v1/messagesFormato de API: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!"} ] }'
Precios
El precio Verified se aplica a Verified, que cuesta menos en la mayoría de los modelos. El precio Official es el precio publicado por el fabricante del modelo y se aplica a la ruta Official, más fiable. Auto factura la ruta que completa la solicitud.
Default
Por 1M Token- Precio Official
- Entrada $0.07 / Salida $0.16 / Texto Entrada $0.07 / Texto Salida $0.16
- Precio Verified
- —
- Descuento
- —
| Precio OfficialPor 1M Token | Precio VerifiedPor 1M Token | Descuento | |
|---|---|---|---|
| Default | Entrada $0.07 / Salida $0.16 / Texto Entrada $0.07 / Texto Salida $0.16 | — | — |
Uso y actividad
La tasa de éxito es la proporción de solicitudes completadas. La latencia es cuánto tarda una respuesta completa; P95 significa que el 95 % de las solicitudes terminaron dentro de ese tiempo.
Uso y disponibilidad
Últimas 24 horas- Solicitudes
- Tasa de éxito
- Latencia P95
- Total de tokens
Los datos se basan en solicitudes de usuario agregadas, excluyendo las comprobaciones de estado.
Abrir en Console
Abre Qwen-VL-OCR en Console con un prompt listo para editar o enviar.
Ayúdame a probar qwen-vl-ocr con un mensaje breve en /v1/messages. Muestra la respuesta, la latencia y el coste.
Casos de uso
Ideal para- Visión
Captura de recibos y facturas
Extraiga el comerciante, la fecha, las partidas individuales y los totales de recibos y facturas a formato JSON para sistemas de contabilidad.
Digitalización de tablas
Convierta una tabla escaneada o fotografiada en HTML que pueda ser importado por una hoja de cálculo o base de datos.
Extracción de fórmulas
Extraiga ecuaciones de diapositivas de clase o artículos en formato LaTeX para que puedan ser editadas o compuestas de nuevo.
Ejemplos de prompts
Extraiga todo el texto de esta imagen.
Lea este recibo y devuelva un JSON con el comerciante, la fecha, las partidas individuales y el total.
Convierta la tabla de este escaneo a HTML.
Este modelo tiene precio condicional. Los totales mensuales de tokens por sí solos no producen una estimación fiable; use el precio detallado según la especificación de la solicitud, la caché y la ventana aplicable.
FAQ
¿Qué hace Qwen-VL-OCR?
Lee texto de imágenes y lo devuelve como texto plano, JSON, HTML o LaTeX, dependiendo de la tarea. Sus entradas son imágenes como escaneos, recibos y capturas de pantalla.
¿En qué se diferencia de Qwen3.5-OCR?
Qwen-VL-OCR se basa en Qwen3-VL y cuenta con modos de tarea integrados con corrección de rotación. Alibaba describe a Qwen3.5-OCR como la arquitectura más reciente con análisis de documentos, localización de texto y extracción de certificados mejorados.
¿Qué idiomas puede leer?
Alibaba enumera chino, inglés, ruso, francés, turco, italiano, portugués, hebreo y árabe entre los idiomas admitidos, y describe el soporte como multilingüe en lugar de una lista cerrada.
¿Puede extraer campos estructurados?
Sí. La tarea de extracción de información clave devuelve recibos, certificados y formularios como JSON, utilizando los campos que usted especifique en el prompt, para que el código posterior pueda leer los valores directamente.
¿Funciona con fotos de documentos?
Sí, y puede corregir imágenes rotadas. Alibaba documenta que las imágenes se escalan automáticamente dentro de un rango de píxeles establecido, por lo que las imágenes muy pequeñas o muy grandes se redimensionan antes del reconocimiento.
¿Cuánto cuesta Qwen-VL-OCR?
En TokenLab, Qwen-VL-OCR cuesta Entrada $0.07 / Salida $0.16 Por 1M Token. La tabla de precios arriba muestra el desglose completo. Las tarifas dependen de la unidad de facturación, la especificación y el uso. Compare condiciones iguales en el precio detallado del modelo; una sola tarifa no determina el coste total.
¿Cuál es la ventana de contexto y el límite de salida de Qwen-VL-OCR?
Qwen-VL-OCR admite hasta 30.000 tokens de contexto y genera hasta 8192 tokens por respuesta.
¿Qué endpoint debe usar Qwen-VL-OCR?
Utiliza https://api.tokenlab.sh/v1/messages para Qwen-VL-OCR. El ejemplo de solicitud a continuación muestra la estructura de código correspondiente.
¿Qué operaciones soporta Qwen-VL-OCR?
Qwen-VL-OCR admite Texto a texto. Selecciona una operación arriba para ver su endpoint y ejemplo de solicitud.
Comparar Qwen-VL-OCR
Fuentes
Revisado el 2 oct 2026
