Alibaba Cloud: Qwen3-VL Plus

Qwen3 VL Plus kết hợp diễn giải hình ảnh với ngữ cảnh hội thoại dài. Nó phù hợp với việc phân tích tài liệu và hình ảnh, nơi ảnh chụp màn hình, biểu đồ hoặc trang tài liệu cần được hiểu cùng với nền tảng văn bản đáng kể.

So sánh mô hình

qwen3-vl-plus

Sẵn sàngAlibaba CloudTrò chuyện

Đầu vào / Đầu ra: $0.20 / $1.60
Ngữ cảnh: 260K
Độ dài đầu ra tối đa: 32K
Phương thức: Thị giácTrò chuyện
Khả năng: Bộ nhớ đệm Prompt

Về Qwen3-VL Plus

Qwen3-VL Plus là tầng thị giác-ngôn ngữ được lưu trữ thuộc dòng Qwen3-VL của Alibaba. Dòng này bao gồm khả năng nhận diện các yếu tố giao diện PC và di động, nhận dạng văn bản bằng 32 ngôn ngữ, định vị không gian và hiểu video qua hàng giờ cảnh quay. Nó nhận đầu vào là hình ảnh và hỗ trợ bộ nhớ đệm nhắc (prompt caching), phù hợp cho việc phân tích các trang và biểu đồ cùng với văn bản dài.

Ưu điểm

Nhận diện các yếu tố giao diện trong ảnh chụp màn hình và mô tả chức năng của từng yếu tố.
Đọc văn bản bằng 32 ngôn ngữ, kể cả trong điều kiện khó khăn.
Nhận thức không gian cho vị trí đối tượng và định vị 3D.
Hiểu video với khả năng ghi nhớ các cảnh quay dài.

Khi nào nên chọn model khác

Qwen3.8 và Qwen3.7-Plus là các mô hình có khả năng thị giác mới hơn.
Đầu ra chỉ là văn bản, vì vậy nó mô tả hình ảnh nhưng không thể vẽ, chỉnh sửa hoặc tạo ra chúng.

Bắt đầu

Tạo API key
Tạo API key trong Console để dùng cho mọi mô hình trên nền tảng.

Gửi yêu cầu đầu tiên của bạn

Sao chép ví dụ cho ngôn ngữ của bạn và chạy nó với endpoint.

Văn bản sang văn bảnMessages API

POST/v1/messages

Định dạng 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!"}
    ]
  }'

Giá

Giá Verified áp dụng cho Verified, thường rẻ hơn trên hầu hết các model. Giá Official là giá niêm yết từ nhà phát triển, áp dụng cho route Official ổn định hơn. Auto sẽ tính phí dựa trên route hoàn thành yêu cầu.

Đầu vào token <= 32K

mỗi 1M token

Giá Official: Đầu vào $0.20 / Đầu ra $1.60 / Đọc bộ nhớ đệm $0.04 / Ghi bộ nhớ đệm $0.25 / Văn bản Đầu vào $0.20 / Văn bản Đầu ra $1.60
Giá Verified: —
Giảm giá: —

Đầu vào token <= 128K

mỗi 1M token

Giá Official: Đầu vào $0.30 / Đầu ra $2.40 / Đọc bộ nhớ đệm $0.06 / Ghi bộ nhớ đệm $0.375 / Văn bản Đầu vào $0.30 / Văn bản Đầu ra $2.40
Giá Verified: —
Giảm giá: —

Đầu vào token <= 256K

mỗi 1M token

Giá Official: Đầu vào $0.60 / Đầu ra $4.80 / Đọc bộ nhớ đệm $0.12 / Ghi bộ nhớ đệm $0.75 / Văn bản Đầu vào $0.60 / Văn bản Đầu ra $4.80
Giá Verified: —
Giảm giá: —

Giá cache của prompt

Đọc bộ nhớ đệm

Giá Official: $0.04
Giá Verified: —
Giảm giá: —

Ghi bộ nhớ đệm

Giá Official: $0.25
Giá Verified: —
Giảm giá: —

	Giá Officialmỗi 1M token	Giá Verifiedmỗi 1M token	Giảm giá
Đầu vào token <= 32K	Đầu vào $0.20 / Đầu ra $1.60 / Đọc bộ nhớ đệm $0.04 / Ghi bộ nhớ đệm $0.25 / Văn bản Đầu vào $0.20 / Văn bản Đầu ra $1.60	—	—
Đầu vào token <= 128K	Đầu vào $0.30 / Đầu ra $2.40 / Đọc bộ nhớ đệm $0.06 / Ghi bộ nhớ đệm $0.375 / Văn bản Đầu vào $0.30 / Văn bản Đầu ra $2.40	—	—
Đầu vào token <= 256K	Đầu vào $0.60 / Đầu ra $4.80 / Đọc bộ nhớ đệm $0.12 / Ghi bộ nhớ đệm $0.75 / Văn bản Đầu vào $0.60 / Văn bản Đầu ra $4.80	—	—
Giá cache của prompt
Đọc bộ nhớ đệm	$0.04	—	—
Ghi bộ nhớ đệm	$0.25	—	—

Sử dụng & hoạt động

Tỷ lệ thành công là tỷ lệ yêu cầu hoàn tất. Độ trễ là thời gian của một phản hồi đầy đủ; P95 nghĩa là 95% yêu cầu hoàn thành trong khoảng thời gian đó.

Mức sử dụng & tình trạng

24 giờ qua

Yêu cầu
Tỷ lệ thành công
Độ trễ P95
Tổng token

Hiệu năng mô hình

Cập nhật lần cuối 07:20 1 thg 11, 2026 UTC

Các chỉ số sẽ xuất hiện sau khi đạt ngưỡng về quyền riêng tư và khối lượng dữ liệu.

Dữ liệu dựa trên các yêu cầu tổng hợp của người dùng, không bao gồm các kiểm tra trạng thái.

Mở trong Console

Mở Qwen3-VL Plus trong Console để chỉnh sửa và gửi prompt ngay.

Giúp tôi thử qwen3-vl-plus với tin nhắn ngắn tại /v1/messages. Hiển thị phản hồi, độ trễ và chi phí.

Tình huống sử dụng

Phù hợp cho

Thị giác

OCR và trích xuất biểu mẫu
Trích xuất nhà cung cấp, ngày tháng và tổng số tiền từ các biên lai và biểu mẫu đã quét bằng nhiều ngôn ngữ, sau đó trả về dưới dạng các trường có cấu trúc cho sổ cái.
Giải thích biểu đồ và bảng
Giải thích nội dung biểu đồ, gắn cờ các trục gây hiểu lầm và chuyển đổi hình ảnh bảng thành các hàng có thể đối chiếu với nguồn.
Xác định vị trí yếu tố GUI
Tìm các nút và trường trong ảnh chụp màn hình giao diện và mô tả vị trí của chúng, làm đầu vào cho một tác nhân tự động hóa.
Xem lại video dài
Yêu cầu mốc thời gian của các sự kiện trong một bản ghi dài, chẳng hạn như bản ghi cuộc họp, bản demo sản phẩm hoặc cảnh quay kiểu giám sát.

Ví dụ prompt

Trích xuất nhà cung cấp, ngày tháng và tổng số tiền từ biên lai tiếng Nhật này.

Rút ra kết luận từ biểu đồ này và gắn cờ các trục gây hiểu lầm.

Nút Gửi nằm ở đâu trong ảnh chụp màn hình này? Hãy cho biết vị trí của nó.

Mô hình này có giá theo điều kiện. Chỉ tổng token hàng tháng không thể tạo ước tính đáng tin cậy; hãy dùng bảng giá chi tiết theo thông số yêu cầu, bộ nhớ đệm và khung giờ áp dụng.

FAQ

Qwen3-VL Plus là gì?

Đây là mô hình cấp cao hơn, được lưu trữ thuộc dòng Qwen3-VL của Alibaba để hiểu hình ảnh và video cùng với văn bản. Dòng này được xây dựng dựa trên các tác nhân thị giác, nhận dạng văn bản, suy luận không gian và ghi nhớ video dài.

Nó có thể đọc được những ngôn ngữ nào bên trong hình ảnh?

Alibaba liệt kê khả năng nhận dạng văn bản bằng 32 ngôn ngữ cho Qwen3-VL, bao gồm cả trong các điều kiện khó khăn như mờ, thiếu sáng hoặc trang bị nghiêng. Chất lượng vẫn thay đổi tùy theo loại chữ viết và chất lượng hình ảnh.

Qwen3-VL Plus có thể xử lý video không?

Có. Hiểu video là một tính năng nổi bật của dòng Qwen3-VL, mà Alibaba mô tả là có khả năng ghi nhớ nội dung qua các cảnh quay dài hàng giờ. Hãy yêu cầu mốc thời gian để xác định vị trí các sự kiện trong bản ghi.

Nó có thể tìm thấy các yếu tố giao diện không?

Có. Dòng Qwen3-VL nhận diện các yếu tố giao diện và chức năng của chúng trên màn hình PC và di động, vì vậy nó có thể cho biết vị trí của một nút trong ảnh chụp màn hình. Việc thực hiện hành động trên giao diện được để lại cho mã tự động hóa của riêng bạn.

Có tùy chọn thị giác mới hơn từ Alibaba không?

Có. Qwen3.7-Plus và các mô hình Qwen3.8 là những mô hình đa phương thức mới hơn. Hãy tiếp tục sử dụng Qwen3-VL Plus nếu các câu lệnh (prompt) của bạn đã được tinh chỉnh cho nó và kết quả đạt yêu cầu.

Qwen3-VL Plus có giá bao nhiêu?

Trên TokenLab, Qwen3-VL Plus có giá Đầu vào $0.20 / Đầu ra $1.60 mỗi 1M token. Bảng giá phía trên cho thấy chi tiết đầy đủ. Giá phụ thuộc vào đơn vị tính phí, thông số và mức sử dụng. Hãy so sánh các điều kiện tương đương trong bảng giá chi tiết của mô hình; một mức giá đơn lẻ không quyết định tổng chi phí.

Giới hạn ngữ cảnh và đầu ra của Qwen3-VL Plus là bao nhiêu?

Qwen3-VL Plus hỗ trợ tối đa 260.096 token ngữ cảnh và trả về tối đa 32.768 token mỗi phản hồi.

Qwen3-VL Plus nên dùng endpoint nào?

Dùng https://api.tokenlab.sh/v1/messages làm mặc định cho Qwen3-VL Plus. Nếu mô hình hỗ trợ định dạng native của nhà cung cấp, API workbench cũng hiển thị endpoint đó.

Qwen3-VL Plus hỗ trợ những thao tác nào?

Qwen3-VL Plus hỗ trợ Văn bản sang văn bản. Chọn một thao tác trong API workbench phía trên để xem endpoint và mã ví dụ tương ứng.