Alibaba Cloud: Qwen3-VL Plus

O Qwen3 VL Plus combina interpretação visual com um longo contexto de conversa. Adequa-se à análise de documentos e imagens onde uma captura de tela, gráfico ou página deve ser compreendido juntamente com um histórico escrito substancial.

Comparar modelos

qwen3-vl-plus

DisponívelAlibaba CloudChat

Entrada / Saída: $0.20 / $1.60
Contexto: 260K
Saída máxima: 32K
Modalidades: VisãoChat
Capacidades: Cache de prompts

Sobre o Qwen3-VL Plus

Qwen3-VL Plus é a camada de visão-linguagem hospedada da série Qwen3-VL da Alibaba. A série cobre o reconhecimento de elementos de interface de PC e dispositivos móveis, reconhecimento de texto em 32 idiomas, fundamentação espacial e compreensão de vídeo ao longo de horas de filmagem. Ele aceita entrada de imagem e suporta cache de prompt, o que é adequado para análise de páginas e gráficos junto com textos longos.

Pontos fortes

Reconhece elementos de interface em capturas de tela e descreve o que cada um faz.
Lê texto em 32 idiomas, inclusive em condições precárias.
Percepção espacial para posições de objetos e fundamentação 3D.
Compreensão de vídeo com recordação de filmagens longas.

Quando usar outro modelo

Qwen3.8 e Qwen3.7-Plus são modelos mais novos com capacidade de visão.
A saída é apenas texto, portanto, ele descreve imagens, mas não pode desenhar, editar ou gerá-las.

Primeiros passos

Criar chave de API
Crie uma chave no Console e use com qualquer modelo da plataforma.

Envie sua primeira requisição

Copie o exemplo para sua linguagem e execute-o no endpoint.

Texto para textoMessages API

POST/v1/messages

Formato da 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!"}
    ]
  }'

Preço

O preço Verified vale para o Verified, que custa menos na maioria dos modelos. O preço Official é o preço publicado pelo fabricante do modelo e vale para a rota Official, mais confiável. O Auto cobra pela rota que conclui a solicitação.

Entrada tokens <= 32K

Por 1M Token

Preço Official: Entrada $0.20 / Saída $1.60 / Leitura de cache $0.04 / Escrita de cache $0.25 / Texto Entrada $0.20 / Texto Saída $1.60
Preço Verified: —
Desconto: —

Entrada tokens <= 128K

Por 1M Token

Preço Official: Entrada $0.30 / Saída $2.40 / Leitura de cache $0.06 / Escrita de cache $0.375 / Texto Entrada $0.30 / Texto Saída $2.40
Preço Verified: —
Desconto: —

Entrada tokens <= 256K

Por 1M Token

Preço Official: Entrada $0.60 / Saída $4.80 / Leitura de cache $0.12 / Escrita de cache $0.75 / Texto Entrada $0.60 / Texto Saída $4.80
Preço Verified: —
Desconto: —

Preços de cache de prompt

Leitura de cache

Preço Official: $0.04
Preço Verified: —
Desconto: —

Escrita de cache

Preço Official: $0.25
Preço Verified: —
Desconto: —

	Preço OfficialPor 1M Token	Preço VerifiedPor 1M Token	Desconto
Entrada tokens <= 32K	Entrada $0.20 / Saída $1.60 / Leitura de cache $0.04 / Escrita de cache $0.25 / Texto Entrada $0.20 / Texto Saída $1.60	—	—
Entrada tokens <= 128K	Entrada $0.30 / Saída $2.40 / Leitura de cache $0.06 / Escrita de cache $0.375 / Texto Entrada $0.30 / Texto Saída $2.40	—	—
Entrada tokens <= 256K	Entrada $0.60 / Saída $4.80 / Leitura de cache $0.12 / Escrita de cache $0.75 / Texto Entrada $0.60 / Texto Saída $4.80	—	—
Preços de cache de prompt
Leitura de cache	$0.04	—	—
Escrita de cache	$0.25	—	—

Uso e atividade

A taxa de sucesso é a proporção de requisições concluídas. A latência é quanto tempo uma resposta completa leva; P95 significa que 95% das requisições terminaram dentro desse tempo.

Uso e disponibilidade

Últimas 24 horas

Requisições
Taxa de sucesso
Latência P95
Total de tokens

Desempenho do modelo

Última atualização 1 de nov. de 2026, 07:20 UTC

As métricas aparecerão assim que os limites de privacidade e volume de dados forem atingidos.

Os dados baseiam-se em solicitações agregadas de usuários, excluindo verificações de status.

Abrir no Console

Abra Qwen3-VL Plus no Console com um prompt pronto para editar ou enviar.

Ajude-me a testar qwen3-vl-plus com uma mensagem em /v1/messages. Exiba a resposta, latência e custo.

Casos de uso

Indicado para

Visão

OCR e extração de formulários
Extraia fornecedor, data e totais de recibos e formulários digitalizados em muitos idiomas e retorne-os como campos estruturados para um livro-razão.
Interpretação de gráficos e tabelas
Explique o que um gráfico mostra, aponte eixos enganosos e transforme uma imagem de tabela em linhas que podem ser verificadas em relação à fonte.
Localização de elementos de GUI
Encontre botões e campos em uma captura de tela de interface e descreva onde eles estão, como entrada para um agente de automação.
Revisão de vídeo longo
Peça uma linha do tempo de eventos em uma gravação longa, como uma captura de reunião, uma demonstração de produto ou filmagem de vigilância.

Exemplos de prompt

Extraia o fornecedor, a data e o total deste recibo em japonês.

Tire conclusões deste gráfico e aponte eixos enganosos.

Onde está o botão Enviar nesta captura de tela? Forneça sua posição.

Este modelo tem preço condicional. Totais mensais de tokens sozinhos não produzem uma estimativa confiável; use o preço detalhado para a especificação da requisição, cache e janela aplicável.

FAQ

O que é o Qwen3-VL Plus?

É o modelo hospedado de nível superior da série Qwen3-VL da Alibaba para entender imagens e vídeo em conjunto com texto. A série é construída em torno de agentes visuais, reconhecimento de texto, raciocínio espacial e recordação de vídeos longos.

Quais idiomas ele consegue ler dentro de imagens?

A Alibaba lista reconhecimento de texto em 32 idiomas para o Qwen3-VL, inclusive em condições difíceis, como desfoque, baixa luminosidade ou páginas inclinadas. A qualidade ainda varia de acordo com o script e a qualidade da imagem.

O Qwen3-VL Plus consegue lidar com vídeo?

Sim. A compreensão de vídeo é um recurso de destaque da série Qwen3-VL, que a Alibaba descreve como a capacidade de recordar conteúdo ao longo de horas de filmagem. Peça carimbos de data/hora para localizar eventos na gravação.

Ele consegue encontrar elementos de interface?

Sim. A série Qwen3-VL reconhece elementos de interface e suas funções em telas de PC e dispositivos móveis, para que possa dizer onde um botão está em uma captura de tela. A ação na interface fica a cargo do seu próprio código de automação.

Existe uma opção de visão mais recente da Alibaba?

Sim. O Qwen3.7-Plus e os modelos Qwen3.8 são modelos multimodais mais novos. Mantenha o Qwen3-VL Plus se seus prompts estiverem ajustados para ele e os resultados forem bons.

Quanto custa o Qwen3-VL Plus?

No TokenLab, Qwen3-VL Plus custa Entrada $0.20 / Saída $1.60 Por 1M Token. A tabela de preços acima mostra o detalhamento completo. As tarifas dependem da unidade de cobrança, da especificação e do uso. Compare condições iguais no preço detalhado do modelo; uma única tarifa não determina o custo total.

Qual a janela de contexto e o limite de saída do Qwen3-VL Plus?

O Qwen3-VL Plus aceita até 260.096 tokens de contexto e gera até 32.768 tokens por resposta.

Qual endpoint o Qwen3-VL Plus deve usar?

Use https://api.tokenlab.sh/v1/messages para Qwen3-VL Plus. O exemplo de requisição abaixo mostra o formato de código correspondente.

Quais operações o Qwen3-VL Plus suporta?

Qwen3-VL Plus suporta Texto para texto. Selecione uma operação acima para ver seu endpoint e exemplo de requisição.