- 输入 / 输出
- $0.07 / $0.16
- 上下文
- 30K
- 最大输出
- 8K
- 模态
- 视觉聊天
Qwen-VL-OCR 简介
Qwen-VL-OCR 是阿里巴巴基于 Qwen3-VL 构建的文字识别模型，用来从扫描件、表格、收据和截图等图片中提取文字和结构化数据。它内置纯文字识别、关键信息抽取、表格解析、文档解析和公式识别等任务，还能校正图片旋转。
擅长的任务
- 内置任务模式涵盖文字识别、带位置的高精度识别、表格解析为 HTML，以及公式识别为 LaTeX。
- 关键信息抽取可以按你定义的字段，把收据、证件和表单转成 JSON。
- 图片旋转校正有助于处理拍歪了的页面。
什么情况换别的模型
- 阿里巴巴列出 Qwen3.5-OCR 是更新的模型，文档解析和证件信息抽取更好。
- 输出只有文本、JSON、HTML 或 LaTeX，不会返回编辑过或加了标注的图片。
- 它读取的是图片，不是自由对话，也不适合开放式推理。
快速上手
创建 API 密钥
在 Console 生成一把密钥，平台上的模型都能用。
发送第一个请求
复制你所用语言的示例代码，向该端点发起请求。
文本生成Messages APIPOST/v1/messagesAPI 格式: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": "qwen-vl-ocr", "max_tokens": 1024, "messages": [ {"role": "user", "content": "Hello!"} ] }'
价格
Verified 价格用于 Verified，多数模型更便宜；Official 价格是模型厂商公布的价格，用于更稳定的 Official。Auto 按最终完成请求的线路计价。
Default
每 1M token- Official 价格
- 输入 $0.07 / 输出 $0.16 / 文本 输入 $0.07 / 文本 输出 $0.16
- Verified 价格
- —
- 折扣
- —
| Official 价格每 1M token | Verified 价格每 1M token | 折扣 | |
|---|---|---|---|
| Default | 输入 $0.07 / 输出 $0.16 / 文本 输入 $0.07 / 文本 输出 $0.16 | — | — |
用量与动态
成功率是请求完成的比例；延迟是拿到一次完整响应要花的时间，P95 表示 95% 的请求都在这个时间内完成。
用量与可用性
最近 24 小时- 请求
- 成功率
- P95 延迟
- 总 token 数
数据来自汇总的用户请求，不含状态检查。
直接在 Console 里试
Qwen-VL-OCR 已在 Console 备好，提示词已填好，可以直接修改或发送。
帮我用 qwen-vl-ocr 发一条简短消息，接口是 /v1/messages。返回回复，附上延迟和费用。
使用场景
适用场景- 视觉
收据与发票录入
把收据和发票里的商户、日期、明细和合计提取成 JSON，交给财务系统。
表格数字化
把扫描或拍摄的表格转成 HTML，供电子表格或数据库导入使用。
公式提取
把课件或论文里的公式提取为 LaTeX，方便再次编辑或排版。
提示词示例
提取这张图片里的所有文字。
读取这张收据，返回包含商户、日期、明细和合计的 JSON。
把这份扫描件里的表格转成 HTML。
此模型按条件计价，仅凭月度 token 总量无法可靠估算；请按请求规格、缓存和适用时段查看详细定价。
FAQ
Qwen-VL-OCR 能做什么？
它从图片里读取文字，并根据任务以纯文本、JSON、HTML 或 LaTeX 返回。输入是扫描件、收据、截图等图片。
它和 qwen3.5-ocr 有什么区别？
Qwen-VL-OCR 基于 Qwen3-VL，内置任务模式并支持旋转校正。阿里巴巴把 Qwen3.5-OCR 描述为最新架构，增强了文档解析、文字定位和证件信息抽取。
它能读哪些语言？
阿里巴巴列出的支持语言包括中文、英语、俄语、法语、土耳其语、意大利语、葡萄牙语、希伯来语和阿拉伯语，并称其支持的是多语言，而不是封闭的列表。
它能提取结构化字段吗？
可以。关键信息抽取任务会按你在提示词里指定的字段，把收据、证件和表单以 JSON 返回，下游代码可以直接读取这些值。
拍摄的文档照片能用吗？
能，而且可以校正旋转的图片。阿里巴巴文档说明，图片会在规定的像素范围内自动缩放，所以过小或过大的图片在识别前会被调整尺寸。
Qwen-VL-OCR 的费用是多少？
在 TokenLab 上，Qwen-VL-OCR 的价格为 输入 $0.07 / 输出 $0.16 每 1M token。完整明细见上方价格表。 价格因计费单位、规格和用量而异。请在模型的详细定价中对比相同条件下的费率；单一费率不代表总价。
Qwen-VL-OCR 的上下文窗口和输出上限是多少？
Qwen-VL-OCR 最多接收 30,000 token 的上下文，单次最多返回 8,192 token。
Qwen-VL-OCR 应该使用哪个端点？
Qwen-VL-OCR 使用 https://api.tokenlab.sh/v1/messages。代码写法见下方的请求示例。
Qwen-VL-OCR 支持哪些操作？
Qwen-VL-OCR 支持 文本生成。选了操作，上面会显示对应的端点和请求示例。
Qwen-VL-OCR 对比
资料来源
审阅于 2026年10月2日
