Alibaba Cloud: Qwen3-VL Plus

Qwen3 VL Plus combine l'interprétation visuelle avec un long contexte de conversation. Il convient à l'analyse de documents et d'images où une capture d'écran, un graphique ou une page doit être compris avec un contexte écrit substantiel.

Comparer les modèles

qwen3-vl-plus

DisponibleAlibaba CloudDiscussion

Entrée / Sortie: $0.20 / $1.60
Contexte: 260K
Sortie maximale: 32K
Modalités: VisionDiscussion
Capacités: Cache de prompts

À propos de Qwen3-VL Plus

Qwen3-VL Plus est l'offre hébergée de vision-langage de la série Qwen3-VL d'Alibaba. La série couvre la reconnaissance des éléments d'interface PC et mobile, la reconnaissance de texte dans 32 langues, le positionnement spatial et la compréhension vidéo sur des heures de séquences. Il accepte des entrées d'images et prend en charge la mise en cache des invites (prompt caching), ce qui convient à l'analyse de pages et de graphiques parallèlement à de longs textes.

Points forts

Reconnaît les éléments d'interface dans les captures d'écran et décrit leur fonction.
Lit le texte dans 32 langues, même dans des conditions difficiles.
Perception spatiale pour les positions des objets et le positionnement 3D.
Compréhension vidéo avec rappel sur de longues séquences.

Quand préférer un autre modèle

Qwen3.8 et Qwen3.7-Plus sont des modèles plus récents dotés de capacités de vision.
La sortie est uniquement textuelle ; il décrit donc les images mais ne peut pas les dessiner, les modifier ou les générer.

Pour commencer

Créer une clé API
Générez une clé dans Console et utilisez-la avec tous les modèles de la plateforme.

Envoyez votre première requête

Copiez l'exemple pour votre langage et lancez-le.

Texte vers texteMessages API

POST/v1/messages

Format d'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!"}
    ]
  }'

Tarification

Le prix Verified s’applique à Verified, moins cher sur la plupart des modèles. Le prix Official est le prix publié par le fabricant du modèle et s’applique à la route Official, plus fiable. Auto facture la route qui termine la requête.

Entrée tokens <= 32K

Par 1M Token

Prix Official: Entrée $0.20 / Sortie $1.60 / Lecture cache $0.04 / Jetons d'écriture cache $0.25 / Texte Entrée $0.20 / Texte Sortie $1.60
Prix Verified: —
Remise: —

Entrée tokens <= 128K

Par 1M Token

Prix Official: Entrée $0.30 / Sortie $2.40 / Lecture cache $0.06 / Jetons d'écriture cache $0.375 / Texte Entrée $0.30 / Texte Sortie $2.40
Prix Verified: —
Remise: —

Entrée tokens <= 256K

Par 1M Token

Prix Official: Entrée $0.60 / Sortie $4.80 / Lecture cache $0.12 / Jetons d'écriture cache $0.75 / Texte Entrée $0.60 / Texte Sortie $4.80
Prix Verified: —
Remise: —

Tarification du cache de prompt

Lecture cache

Prix Official: $0.04
Prix Verified: —
Remise: —

Jetons d'écriture cache

Prix Official: $0.25
Prix Verified: —
Remise: —

	Prix OfficialPar 1M Token	Prix VerifiedPar 1M Token	Remise
Entrée tokens <= 32K	Entrée $0.20 / Sortie $1.60 / Lecture cache $0.04 / Jetons d'écriture cache $0.25 / Texte Entrée $0.20 / Texte Sortie $1.60	—	—
Entrée tokens <= 128K	Entrée $0.30 / Sortie $2.40 / Lecture cache $0.06 / Jetons d'écriture cache $0.375 / Texte Entrée $0.30 / Texte Sortie $2.40	—	—
Entrée tokens <= 256K	Entrée $0.60 / Sortie $4.80 / Lecture cache $0.12 / Jetons d'écriture cache $0.75 / Texte Entrée $0.60 / Texte Sortie $4.80	—	—
Tarification du cache de prompt
Lecture cache	$0.04	—	—
Jetons d'écriture cache	$0.25	—	—

Utilisation et activité

Le taux de réussite est la part de requêtes abouties. La latence est la durée d'une réponse complète ; P95 signifie que 95 % des requêtes ont fini dans ce délai.

Utilisation et disponibilité

Dernières 24 heures

Requêtes
Taux de succès
Latence P95
Total des jetons

Performance du modèle

Dernière mise à jour 1 nov. 2026, 07:20 UTC

Les métriques s'affichent une fois les seuils de confidentialité et de volume de données atteints.

Les données sont basées sur les requêtes agrégées des utilisateurs, à l'exclusion des vérifications de statut.

Ouvrir dans Console

Ouvrez Qwen3-VL Plus dans Console avec un prompt prêt à modifier ou envoyer.

Aide-moi à tester qwen3-vl-plus avec un message sur /v1/messages. Affiche la réponse, la latence et le coût.

Cas d'usage

Idéal pour

Vision

OCR et extraction de formulaires
Extrayez le fournisseur, la date et les totaux de reçus et formulaires numérisés dans de nombreuses langues, et renvoyez-les sous forme de champs structurés pour un grand livre.
Interprétation de graphiques et de tableaux
Expliquez ce qu'un graphique montre, signalez les axes trompeurs et transformez une image de tableau en lignes pouvant être vérifiées par rapport à la source.
Localisation d'éléments d'interface graphique (GUI)
Trouvez des boutons et des champs dans une capture d'écran d'interface et décrivez leur emplacement, en tant qu'entrée pour un agent d'automatisation.
Revue de vidéos longues
Demandez une chronologie des événements dans un enregistrement long, tel qu'une capture de réunion, une démonstration de produit ou des images de type surveillance.

Exemples de prompts

Extrayez le fournisseur, la date et le total de ce reçu japonais.

Tirez des conclusions de ce graphique et signalez les axes trompeurs.

Où se trouve le bouton « Soumettre » dans cette capture d'écran ? Donnez sa position.

Ce modèle a une tarification conditionnelle. Les totaux mensuels de tokens ne suffisent pas pour une estimation fiable ; utilisez la tarification détaillée selon la spécification de la requête, le cache et la fenêtre applicable.

FAQ

Qu'est-ce que Qwen3-VL Plus ?

Il s'agit du modèle hébergé de niveau supérieur de la série Qwen3-VL d'Alibaba pour la compréhension des images et de la vidéo combinées au texte. La série est construite autour d'agents visuels, de la reconnaissance de texte, du raisonnement spatial et du rappel sur de longues vidéos.

Quelles langues peut-il lire dans les images ?

Alibaba répertorie la reconnaissance de texte dans 32 langues pour Qwen3-VL, y compris dans des conditions difficiles telles que le flou, une faible luminosité ou des pages inclinées. La qualité varie toujours selon l'écriture et la qualité de l'image.

Qwen3-VL Plus peut-il traiter la vidéo ?

Oui. La compréhension vidéo est une fonctionnalité phare de la série Qwen3-VL, qu'Alibaba décrit comme capable de rappeler du contenu sur des heures de séquences. Demandez des horodatages pour localiser des événements dans l'enregistrement.

Peut-il trouver des éléments d'interface ?

Oui. La série Qwen3-VL reconnaît les éléments d'interface et leurs fonctions sur les écrans PC et mobiles, de sorte qu'il peut indiquer où se situe un bouton dans une capture d'écran. L'action sur l'interface est laissée à votre propre code d'automatisation.

Existe-t-il une option de vision plus récente chez Alibaba ?

Oui. Qwen3.7-Plus et les modèles Qwen3.8 sont des modèles multimodaux plus récents. Conservez Qwen3-VL Plus si vos invites sont optimisées pour celui-ci et que les résultats sont satisfaisants.

Combien coûte Qwen3-VL Plus ?

Sur TokenLab, Qwen3-VL Plus coûte Entrée $0.20 / Sortie $1.60 Par 1M Token. La table tarifaire ci-dessus en montre le détail complet. Les tarifs dépendent de l’unité de facturation, de la spécification et de l’usage. Comparez des conditions identiques dans la tarification détaillée du modèle ; un tarif seul ne détermine pas le coût total.

Quelles sont les limites de contexte et de sortie de Qwen3-VL Plus ?

Qwen3-VL Plus accepte jusqu'à 260 096 jetons de contexte et génère jusqu'à 32 768 jetons par réponse.

Quel endpoint Qwen3-VL Plus doit-il utiliser ?

Utilisez https://api.tokenlab.sh/v1/messages pour Qwen3-VL Plus. L'exemple de requête ci-dessous montre la structure de code correspondante.

Quelles opérations Qwen3-VL Plus prend-il en charge ?

Qwen3-VL Plus prend en charge Texte vers texte. Sélectionnez une opération pour voir l'endpoint et un exemple.