Alibaba Cloud: Qwen3-VL Plus

Qwen3 VL Plus combina la interpretación visual con un contexto de conversación largo. Se adapta al análisis de documentos e imágenes donde una captura de pantalla, gráfico o página debe entenderse junto con un trasfondo escrito sustancial.

Comparar modelos

qwen3-vl-plus

DisponibleAlibaba CloudChat

Entrada / Salida: $0.20 / $1.60
Contexto: 260K
Salida máxima: 32K
Modalidades: VisiónChat
Capacidades: Caché de prompts

Sobre Qwen3-VL Plus

Qwen3-VL Plus es el nivel de visión-lenguaje alojado de la serie Qwen3-VL de Alibaba. La serie cubre el reconocimiento de elementos de interfaz de PC y móviles, reconocimiento de texto en 32 idiomas, posicionamiento espacial y comprensión de vídeo de horas de metraje. Acepta entrada de imágenes y admite almacenamiento en caché de prompts, lo que resulta adecuado para el análisis de páginas y gráficos junto con textos largos.

Puntos fuertes

Reconoce elementos de interfaz en capturas de pantalla y describe qué hace cada uno.
Lee texto en 32 idiomas, incluso en condiciones deficientes.
Percepción espacial para posiciones de objetos y posicionamiento 3D.
Comprensión de vídeo con recuperación de metraje largo.

Cuándo buscar otra opción

Qwen3.8 y Qwen3.7-Plus son modelos más nuevos con capacidad de visión.
La salida es solo texto, por lo que describe imágenes pero no puede dibujar, editar ni generarlas.

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 API

POST/v1/messages

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

Entrada tokens <= 32K

Por 1M Token

Precio Official: Entrada $0.20 / Salida $1.60 / Lectura de caché $0.04 / Escritura de caché $0.25 / Texto Entrada $0.20 / Texto Salida $1.60
Precio Verified: —
Descuento: —

Entrada tokens <= 128K

Por 1M Token

Precio Official: Entrada $0.30 / Salida $2.40 / Lectura de caché $0.06 / Escritura de caché $0.375 / Texto Entrada $0.30 / Texto Salida $2.40
Precio Verified: —
Descuento: —

Entrada tokens <= 256K

Por 1M Token

Precio Official: Entrada $0.60 / Salida $4.80 / Lectura de caché $0.12 / Escritura de caché $0.75 / Texto Entrada $0.60 / Texto Salida $4.80
Precio Verified: —
Descuento: —

Precios de caché de prompt

Lectura de caché

Precio Official: $0.04
Precio Verified: —
Descuento: —

Escritura de caché

Precio Official: $0.25
Precio Verified: —
Descuento: —

	Precio OfficialPor 1M Token	Precio VerifiedPor 1M Token	Descuento
Entrada tokens <= 32K	Entrada $0.20 / Salida $1.60 / Lectura de caché $0.04 / Escritura de caché $0.25 / Texto Entrada $0.20 / Texto Salida $1.60	—	—
Entrada tokens <= 128K	Entrada $0.30 / Salida $2.40 / Lectura de caché $0.06 / Escritura de caché $0.375 / Texto Entrada $0.30 / Texto Salida $2.40	—	—
Entrada tokens <= 256K	Entrada $0.60 / Salida $4.80 / Lectura de caché $0.12 / Escritura de caché $0.75 / Texto Entrada $0.60 / Texto Salida $4.80	—	—
Precios de caché de prompt
Lectura de caché	$0.04	—	—
Escritura de caché	$0.25	—	—

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

Desempeño del modelo

Última actualización 1 nov 2026, 7:20 UTC

Las métricas aparecerán una vez que se alcancen los umbrales de privacidad y volumen de datos.

Los datos se basan en solicitudes de usuario agregadas, excluyendo las comprobaciones de estado.

Abrir en Console

Abre Qwen3-VL Plus en Console con un prompt listo para editar o enviar.

Ayúdame a probar qwen3-vl-plus con un mensaje breve en /v1/messages. Muestra la respuesta, la latencia y el coste.

Casos de uso

Ideal para

Visión

OCR y extracción de formularios
Extraiga proveedor, fecha y totales de recibos y formularios escaneados en muchos idiomas, y devuélvalos como campos estructurados para un libro contable.
Interpretación de gráficos y tablas
Explique lo que muestra un gráfico, señale ejes engañosos y convierta una imagen de tabla en filas que puedan verificarse con la fuente.
Ubicación de elementos de GUI
Encuentre botones y campos en una captura de pantalla de interfaz y describa dónde se sitúan, como entrada para un agente de automatización.
Revisión de vídeo largo
Solicite una cronología de eventos en una grabación extensa, como una captura de reunión, una demostración de producto o metraje de vigilancia.

Ejemplos de prompts

Extraiga el proveedor, la fecha y el total de este recibo japonés.

Saque conclusiones de este gráfico y señale los ejes engañosos.

¿Dónde está el botón Enviar en esta captura de pantalla? Indique su posición.

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 es Qwen3-VL Plus?

Es el modelo de nivel superior alojado de la serie Qwen3-VL de Alibaba para comprender imágenes y vídeo junto con texto. La serie se basa en agentes visuales, reconocimiento de texto, razonamiento espacial y recuperación de vídeo largo.

¿Qué idiomas puede leer dentro de las imágenes?

Alibaba enumera el reconocimiento de texto en 32 idiomas para Qwen3-VL, incluso en condiciones difíciles como desenfoque, poca luz o páginas inclinadas. La calidad sigue variando según el tipo de letra y la calidad de la imagen.

¿Puede Qwen3-VL Plus manejar vídeo?

Sí. La comprensión de vídeo es una característica destacada de la serie Qwen3-VL, que Alibaba describe como la capacidad de recordar contenido a lo largo de horas de metraje. Solicite marcas de tiempo para localizar eventos en la grabación.

¿Puede encontrar elementos de interfaz?

Sí. La serie Qwen3-VL reconoce elementos de interfaz y sus funciones en pantallas de PC y móviles, por lo que puede indicar dónde se sitúa un botón en una captura de pantalla. Actuar sobre la interfaz queda a cargo de su propio código de automatización.

¿Existe una opción de visión más reciente de Alibaba?

Sí. Qwen3.7-Plus y los modelos Qwen3.8 son modelos multimodales más nuevos. Mantenga Qwen3-VL Plus si sus prompts están ajustados a él y los resultados son buenos.

¿Cuánto cuesta Qwen3-VL Plus?

En TokenLab, Qwen3-VL Plus cuesta Entrada $0.20 / Salida $1.60 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 Qwen3-VL Plus?

Qwen3-VL Plus admite hasta 260.096 tokens de contexto y genera hasta 32.768 tokens por respuesta.

¿Qué endpoint debe usar Qwen3-VL Plus?

Utiliza https://api.tokenlab.sh/v1/messages para Qwen3-VL Plus. El ejemplo de solicitud a continuación muestra la estructura de código correspondiente.

¿Qué operaciones soporta Qwen3-VL Plus?

Qwen3-VL Plus admite Texto a texto. Selecciona una operación arriba para ver su endpoint y ejemplo de solicitud.