阿里云: Qwen3-VL Plus
qwen3-vl-plus- 输入 / 输出
- $0.20 / $1.60
- 上下文
- 260K
- 最大输出
- 32K
- 模态
- 视觉聊天
- 能力
- 提示词缓存
Qwen3-VL Plus 简介
Qwen3-VL Plus 是阿里巴巴 Qwen3-VL 系列的托管视觉语言版本。该系列涵盖 PC 和手机界面元素识别、32 种语言的文字识别、空间定位，以及长达数小时的视频理解。它接收图片输入并支持提示词缓存，适合在分析页面和图表的同时处理长文本。
擅长的任务
- 识别截图中的界面元素，并说明每个元素的作用。
- 能读取 32 种语言的文字，条件不佳时也行。
- 具备空间感知，可判断物体位置并做 3D 定位。
- 视频理解，能回忆长视频里的内容。
什么情况换别的模型
- Qwen3.8 和 Qwen3.7-Plus 是更新的、支持视觉的模型。
- 输出只有文字，所以它能描述图片，但不能绘制、编辑或生成图片。
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": "qwen3-vl-plus", "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。
输入 token <= 32K
每 1M token- Official 价格
- 输入 $0.20 / 输出 $1.60 / 缓存读取 $0.04 / 缓存写入 $0.25 / 文本 输入 $0.20 / 文本 输出 $1.60
- Verified 价格
- —
- 折扣
- —
输入 token <= 128K
每 1M token- Official 价格
- 输入 $0.30 / 输出 $2.40 / 缓存读取 $0.06 / 缓存写入 $0.375 / 文本 输入 $0.30 / 文本 输出 $2.40
- Verified 价格
- —
- 折扣
- —
输入 token <= 256K
每 1M token- Official 价格
- 输入 $0.60 / 输出 $4.80 / 缓存读取 $0.12 / 缓存写入 $0.75 / 文本 输入 $0.60 / 文本 输出 $4.80
- Verified 价格
- —
- 折扣
- —
缓存读取
- Official 价格
- $0.04
- Verified 价格
- —
- 折扣
- —
缓存写入
- Official 价格
- $0.25
- Verified 价格
- —
- 折扣
- —
| Official 价格每 1M token | Verified 价格每 1M token | 折扣 | |
|---|---|---|---|
| 输入 token <= 32K | 输入 $0.20 / 输出 $1.60 / 缓存读取 $0.04 / 缓存写入 $0.25 / 文本 输入 $0.20 / 文本 输出 $1.60 | — | — |
| 输入 token <= 128K | 输入 $0.30 / 输出 $2.40 / 缓存读取 $0.06 / 缓存写入 $0.375 / 文本 输入 $0.30 / 文本 输出 $2.40 | — | — |
| 输入 token <= 256K | 输入 $0.60 / 输出 $4.80 / 缓存读取 $0.12 / 缓存写入 $0.75 / 文本 输入 $0.60 / 文本 输出 $4.80 | — | — |
| 提示词缓存价格 | |||
| 缓存读取 | $0.04 | — | — |
| 缓存写入 | $0.25 | — | — |
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
Qwen3-VL Plus 已在 Console 备好，提示词已填好，可以直接修改或发送。
帮我用 qwen3-vl-plus 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
OCR 与表单抽取
从多种语言的扫描收据和表单里提取商家、日期和合计，以结构化字段返回，供账本使用。
图表与表格解读
解释图表展示了什么，指出有误导性的坐标轴，并把表格图片转成可以对照原文核对的行。
界面元素定位
在界面截图里找到按钮和输入框并描述它们的位置，作为自动化智能体的输入。
长视频回看
让它给出一段较长录像里的事件时间线，比如会议录屏、产品演示或监控类录像。
提示词示例
从这张日文收据里提取商家、日期和合计金额。
根据这张图表得出结论，并指出有误导性的坐标轴。
这张截图里的“提交”按钮在哪里？给出它的位置。
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
Qwen3-VL Plus 是什么模型？
它是阿里巴巴 Qwen3-VL 系列的托管高阶模型，用来同时理解图片、视频和文本。该系列围绕视觉智能体、文字识别、空间推理和长视频回忆而构建。
它能读图片里哪些语言的文字？
阿里巴巴列出 Qwen3-VL 支持 32 种语言的文字识别，包括模糊、光线不足或页面倾斜等困难条件。质量仍会因文字体系和图片质量而异。
Qwen3-VL Plus 能处理视频吗？
能。视频理解是 Qwen3-VL 系列的主打功能，阿里巴巴称它能回忆长达数小时的视频内容。可以要求给出时间戳，来定位录像中的事件。
它能找出界面元素吗？
能。Qwen3-VL 系列可以识别 PC 和手机屏幕上的界面元素及其功能，所以能说出截图里按钮的位置。真正去操作界面，要靠你自己的自动化代码。
阿里巴巴有更新的视觉选项吗？
有。Qwen3.7-Plus 和 Qwen3.8 系列模型是更新的多模态模型。如果你的提示词已针对 Qwen3-VL Plus 调好、效果也不错，可以继续用它。
Qwen3-VL Plus 的费用是多少？
在 TokenLab 上，Qwen3-VL Plus 的价格为 输入 $0.20 / 输出 $1.60 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。
Qwen3-VL Plus 的上下文窗口和输出上限是多少？
Qwen3-VL Plus 最多接收 260,096 token 的上下文，单次最多返回 32,768 token。
Qwen3-VL Plus 应该使用哪个端点？
Qwen3-VL Plus 使用 https://api.tokenlab.sh/v1/messages。代码写法见下方的请求示例。
Qwen3-VL Plus 支持哪些操作？
Qwen3-VL Plus 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。
Qwen3-VL Plus 对比
资料来源
审阅于 2026年10月2日
