Alibaba Cloud: Qwen3-VL Plus

Qwen3 VL Plus menggabungkan interpretasi visual dengan konteks percakapan yang panjang. Model ini cocok untuk analisis dokumen dan gambar di mana tangkapan layar, bagan, atau halaman harus dipahami bersama dengan latar belakang tertulis yang substansial.

Bandingkan model

qwen3-vl-plus

TersediaAlibaba CloudObrolan

Masukan / Keluaran: $0.20 / $1.60
Konteks: 260K
Output maksimal: 32K
Modalitas: VisiObrolan
Kapabilitas: Cache Prompt

Tentang Qwen3-VL Plus

Qwen3-VL Plus adalah tingkat vision-language yang dihosting dari seri Qwen3-VL milik Alibaba. Seri ini mencakup pengenalan elemen antarmuka PC dan seluler, pengenalan teks dalam 32 bahasa, spatial grounding, dan pemahaman video selama berjam-jam rekaman. Model ini menerima input gambar dan mendukung prompt caching, yang cocok untuk analisis halaman dan grafik bersama dengan teks panjang.

Kelebihan

Mengenali elemen antarmuka dalam tangkapan layar dan menjelaskan fungsi masing-masing.
Membaca teks dalam 32 bahasa, termasuk dalam kondisi yang kurang baik.
Persepsi spasial untuk posisi objek dan 3D grounding.
Pemahaman video dengan kemampuan mengingat rekaman panjang.

Kapan harus beralih

Qwen3.8 dan Qwen3.7-Plus adalah model berkemampuan visi yang lebih baru.
Output hanya berupa teks, sehingga model ini mendeskripsikan gambar tetapi tidak dapat menggambar, mengedit, atau menghasilkannya.

Memulai

Buat API key
Buat kunci di Console, gunakan untuk semua model di platform.

Kirim permintaan pertama Anda

Salin contoh untuk bahasa Anda dan jalankan terhadap endpoint tersebut.

Teks ke teksMessages API

POST/v1/messages

Format 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!"}
    ]
  }'

Penetapan Harga

Harga Verified berlaku untuk Verified yang lebih murah di sebagian besar model. Harga Official adalah harga resmi dari pembuat model dan berlaku untuk rute Official yang lebih andal. Auto menagihkan biaya berdasarkan rute yang menyelesaikan permintaan.

Masukan token <= 32K

per 1M token

Harga Official: Masukan $0.20 / Keluaran $1.60 / Pembacaan cache $0.04 / Penulisan cache $0.25 / Teks Masukan $0.20 / Teks Keluaran $1.60
Harga Verified: —
Diskon: —

Masukan token <= 128K

per 1M token

Harga Official: Masukan $0.30 / Keluaran $2.40 / Pembacaan cache $0.06 / Penulisan cache $0.375 / Teks Masukan $0.30 / Teks Keluaran $2.40
Harga Verified: —
Diskon: —

Masukan token <= 256K

per 1M token

Harga Official: Masukan $0.60 / Keluaran $4.80 / Pembacaan cache $0.12 / Penulisan cache $0.75 / Teks Masukan $0.60 / Teks Keluaran $4.80
Harga Verified: —
Diskon: —

Harga cache prompt

Pembacaan cache

Harga Official: $0.04
Harga Verified: —
Diskon: —

Penulisan cache

Harga Official: $0.25
Harga Verified: —
Diskon: —

	Harga Officialper 1M token	Harga Verifiedper 1M token	Diskon
Masukan token <= 32K	Masukan $0.20 / Keluaran $1.60 / Pembacaan cache $0.04 / Penulisan cache $0.25 / Teks Masukan $0.20 / Teks Keluaran $1.60	—	—
Masukan token <= 128K	Masukan $0.30 / Keluaran $2.40 / Pembacaan cache $0.06 / Penulisan cache $0.375 / Teks Masukan $0.30 / Teks Keluaran $2.40	—	—
Masukan token <= 256K	Masukan $0.60 / Keluaran $4.80 / Pembacaan cache $0.12 / Penulisan cache $0.75 / Teks Masukan $0.60 / Teks Keluaran $4.80	—	—
Harga cache prompt
Pembacaan cache	$0.04	—	—
Penulisan cache	$0.25	—	—

Penggunaan & aktivitas

Tingkat keberhasilan adalah proporsi permintaan yang selesai. Latensi adalah berapa lama respons penuh berlangsung; P95 berarti 95% permintaan selesai dalam waktu tersebut.

Penggunaan & ketersediaan

24 jam terakhir

Permintaan
Tingkat keberhasilan
Latensi P95
Total token

Performa model

Terakhir diperbarui 1 Nov 2026, 07.20 UTC

Metrik akan muncul setelah ambang batas privasi dan volume data terpenuhi.

Data didasarkan pada permintaan pengguna gabungan, tidak termasuk pemeriksaan status.

Buka di Console

Buka Qwen3-VL Plus di Console dengan prompt siap diedit atau dikirim.

Bantu saya mencoba qwen3-vl-plus dengan pesan singkat di /v1/messages. Tampilkan balasan, latensi, dan biayanya.

Skenario penggunaan

Cocok untuk

Visi

OCR dan ekstraksi formulir
Menarik vendor, tanggal, dan total dari kuitansi serta formulir yang dipindai dalam banyak bahasa, dan mengembalikannya sebagai kolom terstruktur untuk buku besar.
Interpretasi grafik dan tabel
Menjelaskan apa yang ditunjukkan oleh grafik, menandai sumbu yang menyesatkan, dan mengubah gambar tabel menjadi baris yang dapat diperiksa terhadap sumbernya.
Lokasi elemen GUI
Menemukan tombol dan kolom dalam tangkapan layar antarmuka dan mendeskripsikan posisinya, sebagai input untuk agen otomatisasi.
Tinjauan video panjang
Meminta linimasa peristiwa dalam rekaman yang panjang, seperti rekaman rapat, demo produk, atau rekaman gaya pengawasan.

Contoh prompt

Ekstrak vendor, tanggal, dan total dari kuitansi Jepang ini.

Tarik kesimpulan dari grafik ini dan tandai sumbu yang menyesatkan.

Di mana letak tombol Submit dalam tangkapan layar ini? Berikan posisinya.

Model ini memiliki harga kondisional. Total token bulanan saja tidak dapat menghasilkan estimasi yang andal; gunakan harga detail untuk spesifikasi permintaan, cache, dan jendela waktu yang berlaku.

FAQ

Apa itu Qwen3-VL Plus?

Ini adalah model tingkat tinggi yang dihosting dari seri Qwen3-VL milik Alibaba untuk memahami gambar dan video bersama dengan teks. Seri ini dibangun di sekitar agen visual, pengenalan teks, penalaran spasial, dan kemampuan mengingat video panjang.

Bahasa apa saja yang dapat dibacanya di dalam gambar?

Alibaba mencantumkan pengenalan teks dalam 32 bahasa untuk Qwen3-VL, termasuk dalam kondisi sulit seperti buram, cahaya rendah, atau halaman miring. Kualitas masih bervariasi tergantung pada skrip dan kualitas gambar.

Bisakah Qwen3-VL Plus menangani video?

Ya. Pemahaman video adalah fitur utama dari seri Qwen3-VL, yang dijelaskan oleh Alibaba sebagai kemampuan mengingat konten di seluruh rekaman berdurasi berjam-jam. Mintalah stempel waktu untuk menemukan peristiwa dalam rekaman tersebut.

Bisakah model ini menemukan elemen antarmuka?

Ya. Seri Qwen3-VL mengenali elemen antarmuka dan fungsinya di layar PC dan seluler, sehingga model ini dapat memberi tahu di mana letak tombol dalam tangkapan layar. Tindakan pada antarmuka diserahkan kepada kode otomatisasi Anda sendiri.

Apakah ada opsi visi yang lebih baru dari Alibaba?

Ya. Qwen3.7-Plus dan model Qwen3.8 adalah model multimodal yang lebih baru. Tetap gunakan Qwen3-VL Plus jika prompt Anda sudah disesuaikan dengannya dan hasilnya bagus.

Berapa biaya Qwen3-VL Plus?

Di TokenLab, Qwen3-VL Plus dikenakan Masukan $0.20 / Keluaran $1.60 per 1M token. Tabel harga di atas menampilkan rincian lengkap. Tarif bergantung pada unit penagihan, spesifikasi, dan penggunaan. Bandingkan kondisi yang sama dalam harga detail model; satu tarif tidak menentukan total biaya.

Berapa batas konteks dan output Qwen3-VL Plus?

Qwen3-VL Plus mendukung hingga 260.096 token konteks dan menghasilkan hingga 32.768 token per respons.

Endpoint mana yang harus digunakan Qwen3-VL Plus?

Pakai https://api.tokenlab.sh/v1/messages sebagai default untuk Qwen3-VL Plus. Jika format native penyedia didukung, API workbench juga menampilkan endpoint tersebut.

Operasi apa saja yang didukung Qwen3-VL Plus?

Qwen3-VL Plus mendukung Teks ke teks. Pilih operasi di API workbench di atas untuk melihat endpoint dan contoh kode terkait.