阿里巴巴

Qwen Image 2.1 Turbo 是 Qwen 推出的 Qwen Image 2.1 系列中的快速、低成本版本，适用于吞吐量和价格比峰值保真度更重要的图像生成和编辑场景。如需更高质量的版本，请参阅 Qwen Image 2.1 Pro。

Qwen Image 2.1 Pro 是 Qwen 推出的图像生成与编辑模型，属于 Qwen Image 2.1 系列中质量更高的版本。当输出保真度比成本或速度更重要时，请选择它而非 Qwen Image 2.1 Turbo。

Qwen3.8 Max Prime 是阿里巴巴 Qwen 团队推出的 Qwen3.8 Max 的高吞吐量变体，作为独立 SKU 以更高价格提供服务。它接受文本、图像和视频输入，并返回文本，拥有 1M-token 上下文窗口，默认启用推理能力。支持工具调用、结构化输出和可配置的推理努力，与 Qwen3.8 Max 保持一致。

Qwen3.8 Omni Flash 是阿里巴巴推出的全模态推理模型，是首个围绕智能体能力构建、具备原生音视频理解的 Qwen 模型。它适用于音视频分析与总结、视频编辑与制作流程、音视频对话、编码、知识工作和 GUI 交互，尤其在结合语音、声音和视觉上下文的长时多媒体任务中表现出色。它还支持双通道和四通道空间音频理解。

Qwen3.8 Max 0902 是阿里巴巴 Qwen 团队对 Qwen3.8 Max 的更新快照。它是一个 2.4 万亿参数的混合专家模型，接受文本、图像和视频输入并返回文本，具有 1M token 的上下文窗口，并默认启用推理功能。 该快照针对编码和智能体工作进行了后训练，包括多步骤软件项目、多工具编排和长周期任务执行。它还针对图表推理、文档解析以及长文档和长视频的多模态理解。支持工具调用、结构化输出和可配置的推理强度。

Wan 3.0 Prime 是阿里巴巴 Wan 3.0 的快速模式变体。它支持文生视频和首帧图生视频生成。

Qwen3.8 Flash 是阿里巴巴推出的多模态推理模型。它适用于编程辅助、智能体工作流、视觉理解、文档与代码库分析、桌面交互、图表分析以及长视频分析。

Wan 3.0是阿里巴巴推出的视频生成模型，支持文生视频、图生视频和参考引导的视频生成。它可生成480p、720p或1080p分辨率、时长2至30秒的视频。

Qwen3.8 27B 是来自 Qwen 的开源权重稠密视觉语言模型。它适用于编码、专业工作流、研究、多模态交互和长期运行的智能体任务，具有可启用或禁用的灵活思考能力。

Qwen3 Reranker 8B 是阿里巴巴云基于 Qwen3 架构构建的文本重排序模型。它评估查询-文档对以生成相关性分数，用于检索和 RAG 流程。支持100多种语言和编程语言，具有指令感知重排序功能，允许针对每个任务自定义评分标准。在包括 MTEB、CMTEB 和 MMTEB 在内的多语言基准测试中表现出色。

Qwen3 ASR 1.7B 是来自 Qwen 的自动语音识别模型。它支持跨 30 种语言和 22 种中文方言的多语言识别与转写，并提供流式与离线推理，以及分段级和词级时间戳。

Qwen3 ASR 0.6B 是来自 Qwen 的紧凑型自动语音识别模型。它支持涵盖 30 种语言和 22 种中文方言的多语言识别与转录，并提供流式和离线推理，以及片段级和词级时间戳。

Qwen3.8 2.4T A95B 是来自 Qwen 的开放权重稀疏混合专家模型，也是 Qwen3.8 Max 的开放权重版本，总参数达2.4万亿，其中950亿为活跃参数。它适用于编码、研究、复杂推理和智能体工作流。

Qwen Image 3 是来自 Qwen 的统一图像生成和编辑模型。它支持精确渲染小至10像素的文字和细节，并拥有比前几代更丰富的世界知识库。

Qwen Image 3 Pro 是 Qwen 推出的图像生成与编辑模型。它能够精确渲染小至10像素的文本和细节，同时拥有比前代更丰富的世界知识。

Qwen3.7 Flash 是阿里巴巴推出的视觉语言推理模型。它适用于多模态代理、视觉编码、搜索和计算机交互，在物体识别、空间理解和真实世界视觉感知方面具有优势。

Qwen-Audio-3.0-TTS Flash 是阿里巴巴的快速、成本高效的文本转语音模型，通过 DashScope Speech Synthesizer API 从文本生成语音音频。

Qwen-Audio-3.0-TTS Plus 是阿里巴巴更高质量的文本转语音模型，通过 DashScope Speech Synthesizer API 从文本生成语音音频。

HappyHorse 1.1 是阿里巴巴推出的视频生成模型。它可以从文本提示、单张起始图像或一组参考图像生成短视频，输出分辨率最高达1080p，时长3到15秒。它适合创意内容、社交媒体短片和图像驱动的动画，相比之前版本，改进了提示遵循度、动作更流畅，跨帧角色一致性更高。

HappyHorse 1.0 是阿里巴巴的一款视频生成模型。它可以根据文本提示、单张起始图片或一组参考图片生成短视频，输出分辨率最高可达1080p，时长3到15秒。它适用于创意内容、社交媒体片段以及多种宽高比的图像驱动动画。

Qwen3.7-Plus 是阿里巴巴 Qwen3.7 系列中一款高性价比的模型。它支持文本和图像输入并输出文本，在继承该系列文本能力的基础上，对视觉-语言能力进行了全面升级，同时保留了面向编程、工具使用和生产工作流的全栈智能体能力。其显著特点是具备多模态交互式混合智能体能力：可以感知真实世界场景、读取屏幕并与图形用户界面交互、根据视觉参考生成代码，以及在移动应用内执行端到端导航。

Qwen3.7-Max 是阿里巴巴 Qwen3.7 系列中的旗舰模型。它支持文本输入和输出，专为以智能体为中心的工作负载而设计，尤其在编码、办公和生产力任务以及长周期自主执行方面表现出色。该模型相比之前的 Qwen 代际在编码和智能体性能上带来了显著提升，并支持显式提示缓存以高效复用重复上下文。

Qwen3-ASR-Flash 是阿里巴巴的自动语音识别服务，基于 Qwen3-Omni 基础构建，并在数千万小时的多模态语音数据上训练而成。该模型支持 11 种语言——包括中文（含粤语、四川话、闽南语和吴语方言）、英语、阿拉伯语、法语、德语、西班牙语、意大利语、葡萄牙语、俄语、日语和韩语——并具备自动语言检测功能，因此处理混合语言音频时无需手动配置。 该模型专为困难的声学条件设计：它能够转录背景音乐中的人声歌词，处理嘈杂和远场录音，过滤静音及非语音音频，并接受任意上下文文本（如人名、行话、领域术语）以偏向识别特定词汇。

Qwen3.5 Plus（2026年4月版）是阿里巴巴推出的大规模多模态语言模型。它接受文本、图像和视频输入，并生成文本输出，拥有100万token的上下文窗口。这是Qwen3.5 Plus的更新版本，针对超过256K token的部分采用分层定价。

Qwen3.6 Flash 是阿里巴巴 Qwen 3.6 系列中的一款快速高效的语言模型。它支持文本、图像和视频输入，上下文窗口为 100 万 token。超过 256K token 时启用分层定价。支持提示缓存，并提供显式缓存读取和缓存创建的定价。

Qwen3.6-35B-A3B 是阿里云推出的开放权重多模态模型，总参数量为350亿，每个token激活30亿参数。它采用混合式稀疏专家混合架构，结合Gated DeltaNet线性注意力和标准门控注意力层，以一小部分计算成本实现高效推理。模型支持原生262K token上下文窗口（可通过YaRN扩展至1M），并接受文本、图像和视频输入。它集成了思考模式，在多轮对话中保留推理轨迹，并支持函数调用和结构化输出。模型基于Apache 2.0许可证发布。

Qwen3.6-Max-Preview 是阿里云推出的专有前沿模型，基于稀疏混合专家架构，总参数约1万亿。它针对智能体编码、工具使用和长上下文推理进行了优化，支持262K token的上下文窗口。该模型包含集成思考模式，可在多轮对话中保留推理轨迹，并支持结构化输出和函数调用。仅可通过阿里云 Model Studio 和 Qwen Studio API 访问，不提供开放权重。

Qwen3.6 27B 是阿里巴巴 Qwen 团队于 2026 年 4 月发布的一款稠密 270 亿参数语言模型。它具备混合多模态能力——可接受文本、图像和视频输入——并支持 262,144 个 token 的上下文窗口。 该模型专为智能体编码和推理任务而设计，在仓库级代码理解、前端开发工作流以及多步问题求解方面尤为突出。它内置了用于扩展推理的思考模式，并在对话历史中保留思考上下文。Qwen3.6 27B 支持 201 种语言和方言，并以 Apache 2.0 许可证发布。

Wan 2.7 是阿里巴巴推出的视频生成模型。它支持文生视频、首尾帧控制的图生视频，以及参考图生视频，其中多张参考图像引导生成场景的风格和内容。

Qwen 3.6 Plus 基于混合架构构建，结合了高效线性注意力与稀疏专家混合路由，实现了强大的可扩展性和高性能推理。与 3.5 系列相比，它在智能体编码、前端开发和整体推理方面取得了重大进步，并显著提升了“氛围编码”体验。该模型在 3D 场景、游戏和仓库级问题解决等复杂任务中表现出色，在 SWE-bench Verified 上获得了 78.8 分。它在纯文本和多模态能力方面均实现了大幅跃升，性能达到领先级最先进模型水平。

阿里巴巴最先进的视频生成模型，在统一系统中支持超过10种视觉创作能力。Wan 2.6 可从文本、图像、参考视频或音频生成 24fps 的 1080p 视频，具备原生音画同步和精准唇形同步。主要功能包括参考视频生成（将角色的外表和声音插入新场景）、基于简单提示的多镜头叙事、同步音效和音乐，以及支持 16:9、9:16 和 1:1 宽高比，片段最长可达 15 秒。

Qwen3.5-9B 是 Qwen3.5 系列中的多模态基础模型，旨在以高效的 9B 参数架构提供强大的推理、代码生成和视觉理解能力。它采用统一的视觉-语言设计，对多模态 token 进行早期融合，使模型能够在同一上下文中处理并推理文本与图像。

Qwen3.5系列35B-A3B是一款原生视觉语言模型，采用混合架构，集成了线性注意力机制和稀疏混合专家模型，实现了更高的推理效率。其整体性能与Qwen3.5-27B相当。

Qwen3.5 27B原生视觉语言Dense模型采用了线性注意力机制，在平衡推理速度与性能的同时实现快速响应。其整体能力与Qwen3.5-122B-A10B相当。

Qwen3.5 122B-A10B 原生视觉语言模型基于混合架构构建，该架构将线性注意力机制与稀疏混合专家模型相结合，实现了更高的推理效率。在整体性能方面，该模型仅次于 Qwen3.5-397B-A17B。其文本能力显著优于 Qwen3-235B-2507，视觉能力则超越 Qwen3-VL-235B。

Qwen3.5 原生视觉语言 Flash 模型基于混合架构构建，该架构将线性注意力机制与稀疏混合专家模型相结合，实现了更高的推理效率。与 3 系列相比，这些模型在纯文本和多模态任务上的性能均实现了飞跃式提升，在平衡推理速度与整体性能的同时，提供快速响应时间。

Qwen3.5 原生视觉语言系列 Plus 模型基于混合架构构建，该架构融合了线性注意力机制与稀疏混合专家模型，从而实现了更高的推理效率。在各种任务评测中，3.5 系列持续展现出与最先进领先模型相当的性能。与 3 系列相比，这些模型在纯文本和多模态能力方面均实现了跨越式提升。

Qwen3.5 系列 397B-A17B 原生视觉语言模型基于混合架构构建，该架构将线性注意力机制与稀疏混合专家模型相结合，实现了更高的推理效率。它在广泛的任务中提供了可与前沿模型相媲美的先进性能，涵盖语言理解、逻辑推理、代码生成、智能体任务、图像理解、视频理解和图形用户界面（GUI）交互。凭借其强大的代码生成和智能体能力，该模型在各类智能体任务中展现出强大的泛化能力。

Qwen3-Max-Thinking 是 Qwen3 系列中的旗舰推理模型，专为需要深度多步推理的高风险认知任务而设计。通过大幅扩展模型容量和强化学习计算量，它在事实准确性、复杂推理、指令遵循、与人类偏好的对齐以及智能体行为方面均取得了显著提升。

Qwen3-Coder-Next 是一个开放权重的因果语言模型，专为编码代理和本地开发工作流优化。它采用稀疏 MoE 设计，总参数为 80B，每个 token 仅激活 3B，性能可与激活计算量高 10 到 20 倍的模型相媲美，非常适合成本敏感、常驻代理部署。该模型经过强大的代理能力训练，在长周期编码任务、复杂工具使用和从执行失败中恢复方面表现可靠。凭借原生 256k 上下文窗口，它能干净地集成到实际 CLI 和 IDE 环境中，并很好地适应现代编码工具常用的代理脚手架。该模型仅以非思考模式运行，不输出思考块，简化了生产编码代理的集成。

Qwen3 Embedding 模型系列是 Qwen 家族最新的专有模型，专门为文本嵌入和排序任务而设计。该系列继承了其基础模型卓越的多语言能力、长文本理解和推理技能。Qwen3 Embedding 系列在多项文本嵌入和排序任务上取得了显著进步，包括文本检索、代码检索、文本分类、文本聚类和双语文本挖掘。

Qwen3 Embedding 模型系列是 Qwen 家族最新的专有模型，专门为文本嵌入和排序任务而设计。该系列继承了其基础模型卓越的多语言能力、长文本理解能力和推理能力。Qwen3 Embedding 系列在多项文本嵌入和排序任务上取得了显著进步，包括文本检索、代码检索、文本分类、文本聚类和双语文本挖掘。

Qwen3-VL-32B-Instruct 是一个大规模多模态视觉语言模型，专为对文本、图像和视频进行高精度理解与推理而设计。拥有 320 亿参数，它结合了深度视觉感知与先进文本理解，实现细粒度空间推理、文档与场景分析，以及长时程视频理解。具备 32 种语言的强大 OCR 能力，并通过 Interleaved-MRoPE 和 DeepStack 架构增强多模态融合。针对智能体交互和视觉工具使用进行了优化，Qwen3-VL-32B 在复杂真实世界多模态任务中提供了最先进的性能。

Qwen3-VL-8B-Thinking 是 Qwen3-VL-8B 多模态模型的推理优化版本，专为复杂场景、文档和时间序列中的高级视觉与文本推理而设计。它融合了增强的多模态对齐和长上下文处理（原生支持256K，可扩展至100万 token），适用于科学视觉分析、因果推断以及基于图像或视频输入的数学推理等任务。 与 Instruct 版本相比，Thinking 版本引入了更深层的视觉-语言融合和审慎推理路径，提升了长链逻辑任务、STEM 问题求解和多步视频理解的性能。它通过 Interleaved-MRoPE 和时间戳感知嵌入实现了更强的时间定位能力，同时保持了与大型纯文本 LLM 相当的稳健 OCR、多语言理解和文本生成能力。

Qwen3-VL-8B-Instruct 是 Qwen3-VL 系列中的多模态视觉语言模型，专为跨文本、图像和视频的高保真理解与推理而构建。它通过 Interleaved-MRoPE 改进了多模态融合，用于长时序推理；DeepStack 用于细粒度视觉-文本对齐；以及文本-时间戳对齐用于精确事件定位。 该模型支持原生 256K token 上下文窗口，可扩展至 1M token，并处理静态和动态媒体输入，适用于文档解析、视觉问答、空间推理和 GUI 控制等任务。其文本理解能力可与领先 LLM 媲美，同时将 OCR 覆盖扩展到 32 种语言，并增强在各种视觉条件下的鲁棒性。

Qwen3-VL-30B-A3B-Thinking 是一个多模态模型，将强大的文本生成与图像和视频的视觉理解统一起来。其 Thinking 变体增强了在 STEM、数学和复杂任务中的推理能力。它在真实/合成类别的感知、2D/3D 空间定位和长形式视觉理解方面表现出色，取得了具有竞争力的多模态基准结果。对于智能体用途，它处理多图像多轮指令、视频时间线对齐、GUI 自动化，以及从草图到调试后 UI 的视觉编码。文本性能与旗舰 Qwen3 模型相匹配，适用于文档 AI、OCR、UI 辅助、空间任务和智能体研究。

Qwen3-VL-30B-A3B-Instruct 是一个多模态模型，将强大的文本生成与图像和视频的视觉理解相统一。其 Instruct 变体针对通用多模态任务的指令跟随进行了优化。它在真实/合成类别感知、2D/3D 空间定位和长视频理解方面表现出色，达到了具有竞争力的多模态基准结果。对于智能体用途，它能处理多图像多轮指令、视频时间线对齐、GUI 自动化，以及从草图到调试后 UI 的视觉编码。文本性能与旗舰 Qwen3 模型相当，适用于文档 AI、OCR、UI 辅助、空间任务和智能体研究。

Qwen3-VL-235B-A22B Thinking 是一个多模态模型，统一了强大的文本生成与跨图像和视频的视觉理解。该 Thinking 模型针对 STEM 和数学领域的多模态推理进行了优化。该系列强调稳健的感知（识别多样化的真实世界和合成类别）、空间理解（2D/3D 定位）和长形式视觉理解，在公共多模态基准测试中，感知和推理均取得了有竞争力的结果。 除了分析之外，Qwen3-VL 支持智能体交互和工具使用：它可以在多图像、多轮对话中遵循复杂指令；将文本与视频时间线对齐以进行精确的时间查询；并操作 GUI 元素以完成自动化任务。这些模型还支持可视化编码工作流，将草图或原型转换为代码，并协助 UI 调试，同时保持与旗舰 Qwen3 语言模型相当的强大纯文本性能。这使得 Qwen3-VL 适用于生产场景，涵盖文档 AI、多语言 OCR、软件/UI 辅助、空间/具身任务以及视觉语言智能体研究。

Qwen3-VL-235B-A22B Instruct 是一个开放权重的多模态模型，将强大的文本生成与跨图像和视频的视觉理解统一起来。Instruct 模型面向通用视觉语言应用（VQA、文档解析、图表/表格提取、多语言OCR）。该系列强调稳健的感知（识别多样化的真实世界和合成类别）、空间理解（2D/3D定位）和长形式视觉理解，在公共多模态基准的感知和推理方面均取得有竞争力的结果。 除分析外，Qwen3-VL 还支持智能体交互和工具使用：它能在多图像、多轮对话中遵循复杂指令；将文本与视频时间线对齐，以实现精确的时间查询；并能操作 GUI 元素以完成自动化任务。这些模型还支持视觉编码工作流——将草图或原型转化为代码并协助 UI 调试——同时保持强大的纯文本性能，可与旗舰 Qwen3 语言模型相媲美。这使得 Qwen3-VL 适用于生产场景，涵盖文档AI、多语言OCR、软件/UI辅助、空间/具身任务以及视觉语言智能体研究。

Qwen3-Max 是 Qwen3 系列的一个更新版本，与 2025 年 1 月版本相比，在推理、指令遵循、多语言支持和长尾知识覆盖方面带来了重大改进。它在数学、编程、逻辑和科学任务上实现了更高的准确性，能够更可靠地遵循中英文复杂指令，减少幻觉，并为开放式问答、写作和对话生成更高质量的响应。该模型支持超过 100 种语言，具备更强的翻译和常识推理能力，并且针对检索增强生成（RAG）和工具调用进行了优化，但未包含专门的“思考”模式。

Qwen3 Coder Plus 是阿里巴巴基于开源 Qwen3 Coder 480B A35B 推出的专有版本。它是一个强大的编程智能体模型，专注于通过工具调用和环境交互实现自主编程，将编程能力与多用途通用能力融为一体。

Qwen3 Coder Flash 是阿里巴巴旗下专有模型 Qwen3 Coder Plus 的快速且高性价比版本。它是一个强大的编程代理模型，专注于通过工具调用和环境交互实现自主编程，将编码能力与通用的多功能能力相结合。

Qwen3-Next-80B-A3B-Thinking 是 Qwen3-Next 系列中一款以推理优先的聊天模型，默认输出结构化的“思考”轨迹。它专为困难的多步问题设计：数学证明、代码综合/调试、逻辑和智能体规划，并在知识、推理、编码、对齐和多语言评估中展现出强劲表现。与之前的 Qwen3 变体相比，它强调长思维链下的稳定性以及推理期间的高效扩展，并经过调优以遵循复杂指令，同时减少重复或偏离任务的行为。 该模型适用于智能体框架和工具使用（函数调用）、检索密集型工作流，以及需要逐步解决方案的标准化基准测试。它支持长而详细的补全，并利用吞吐量导向技术（例如多 token 预测）来加速生成。请注意，它以纯思考模式运行。

Qwen3-Next-80B-A3B-Instruct 是 Qwen3-Next 系列中的一个指令微调聊天模型，针对快速、稳定的响应进行了优化，不产生“思考”痕迹。它面向推理、代码生成、知识问答和多语言使用等复杂任务，同时在对齐和格式方面保持稳健。与之前的 Qwen3 instruct 变体相比，它专注于在超长输入和多轮对话上实现更高的吞吐量和稳定性，非常适合 RAG、工具使用和代理型工作流，这些场景需要一致的最终答案，而不是可见的思维链。 该模型采用扩展高效的训练和解码方式，以提高参数效率和推理速度，并已在一系列公开基准上得到验证，在多个类别中达到或接近更大的 Qwen3 系统，同时优于早期的中等规模基线。它最适合作为通用助手、代码助手和长上下文任务求解器，用于偏好确定性、遵循指令输出的生产环境。

Qwen Plus 0728 基于 Qwen3 基础模型，是一款拥有 100 万上下文长度的混合推理模型，在性能、速度和成本之间取得了平衡组合。

Qwen3-30B-A3B-Thinking-2507 是一个拥有 30B 参数的混合专家（Mixture-of-Experts）推理模型，专为需要扩展多步思考的复杂任务而优化。该模型专为“思考模式”设计，在此模式下，内部推理轨迹与最终答案分离。与早期的 Qwen3-30B 版本相比，此版本在逻辑推理、数学、科学、编程和多语言基准上的性能均有提升。它还展现出更强的指令遵循、工具使用和与人类偏好对齐的能力。凭借更高的推理效率和更大的输出预算，它最适合需要结构化长上下文推理的高级研究、竞争性问题求解和智能体应用。

Qwen3-Coder-30B-A3B-Instruct 是一个拥有 30.5B 参数的混合专家（MoE）模型，包含 128 个专家（每次前向传播激活 8 个），专为高级代码生成、仓库级理解和智能体工具使用而设计。基于 Qwen3 架构构建，它支持 256K 词元的原生上下文长度（可通过 Yarn 扩展至 1M），并在函数调用、浏览器使用和结构化代码补全等任务中表现强劲。 该模型针对无需“思考模式”的指令遵循进行了优化，并与 OpenAI 兼容的工具调用格式良好集成。

Qwen3-30B-A3B-Instruct-2507 是来自 Qwen 的 30.5B 参数混合专家语言模型，每次推理激活 3.3B 参数。它以非思考模式运行，专为高质量指令跟随、多语言理解和智能体工具使用而设计。在指令数据上进行后训练后，它在推理（AIME、ZebraLogic）、编程（MultiPL-E、LiveCodeBench）和一致性（IFEval、WritingBench）基准测试中展现出具有竞争力的性能。它在主观和开放式任务上优于其非指令变体，同时保持强大的事实性和编程性能。

Qwen3-235B-A22B-Thinking-2507 是一个高性能、开放权重的混合专家（MoE）语言模型，针对复杂推理任务进行了优化。它在每次前向传播中激活235B参数中的22B，并原生支持高达262,144个token的上下文。这个“纯思考”变体增强了结构化逻辑推理、数学、科学和长文本生成能力，在AIME、SuperGPQA、LiveCodeBench和MMLU-Redux等基准测试中表现出色。它强制执行一种特殊的推理模式（ response），并针对高token输出（最多81,920个token）设计，适用于具有挑战性的领域。 该模型经过指令微调，擅长逐步推理、工具使用、智能体工作流和多语言任务。此次发布代表了Qwen3-235B系列中最强大的开源变体，在结构化推理用例中超越了众多闭源模型。

Qwen3-Coder-480B-A35B-Instruct 是 Qwen 团队开发的混合专家（MoE）代码生成模型。它针对智能体编码任务进行了优化，例如函数调用、工具使用以及跨代码仓库的长上下文推理。该模型总参数为 4800 亿，每次前向传播激活 350 亿参数（160 个专家中的 8 个）。 Alibaba 端点的定价根据上下文长度而变化。一旦请求的输入 token 大于 128k，将采用更高的定价。

Qwen3-235B-A22B-Instruct-2507 是一个多语言、指令调优的混合专家（MoE）语言模型，基于 Qwen3-235B 架构，每次前向传播激活 22B 参数。它针对通用文本生成进行了优化，包括指令遵循、逻辑推理、数学、代码和工具使用。该模型原生支持 262K 上下文长度，且不实现“思考模式”（即 thinking blocks）。 与基础版本相比，该版本在知识覆盖、长上下文推理、编码基准以及开放式任务对齐方面均有显著提升。它在多语言理解、数学推理（如 AIME、HMMT）以及 Arena-Hard 和 WritingBench 等对齐评估中表现尤为突出。

Qwen3是Qwen大型语言模型系列的最新一代，采用密集和混合专家（MoE）两种架构，在推理、多语言支持和高级智能体任务方面表现出色。其独特能力可在复杂推理的思考模式与高效对话的非思考模式之间无缝切换，确保多功能、高质量的性能。 Qwen3显著优于QwQ和Qwen2.5等先前模型，提供卓越的数学、编程、常识推理、创意写作和交互式对话能力。Qwen3-30B-A3B变体包含305亿参数（其中33亿激活）、48层、128个专家（每任务激活8个），并通过YaRN支持高达131K token的上下文，在开源模型中树立了新标准。

Qwen3-8B 是 Qwen3 系列中的一款密集型 8.2B 参数因果语言模型，专为高推理密集型任务和高效对话而设计。它支持在“思考”模式（用于数学、编程和逻辑推理）与“非思考”模式（用于一般对话）之间无缝切换。该模型经过微调，可用于指令遵循、智能体集成、创意写作以及覆盖 100 多种语言和方言的多语言场景。它原生支持 32K token 的上下文窗口，并可通过 YaRN 缩放扩展至 131K token。

Qwen3-14B 是 Qwen3 系列中的一款稠密型 14.8B 参数因果语言模型，专为复杂推理与高效对话而设计。它支持在“思考”模式（适用于数学、编程和逻辑推理等任务）与“非思考”模式（适用于通用对话）之间无缝切换。该模型针对指令遵循、智能体工具使用、创意写作以及覆盖 100 多种语言和方言的多语言任务进行了微调。它原生支持 32K token 的上下文长度，并可通过基于 YaRN 的缩放扩展至 131K token。

Qwen3-32B 是 Qwen3 系列中的稠密 32.8B 参数因果语言模型，针对复杂推理和高效对话进行了优化。它支持在“思考”模式和“非思考”模式之间无缝切换，前者适用于数学、编码和逻辑推理等任务，后者用于更快速的通用对话。该模型在指令遵循、智能体工具使用、创意写作以及跨越 100 多种语言和方言的多语言任务中展现出强劲性能。它原生支持 32K token 的上下文，并可通过基于 YaRN 的缩放扩展至 131K token。

Qwen3-235B-A22B 是阿里通义千问（Qwen）开发的一款 235B 参数混合专家（MoE）模型，每次前向传播激活 22B 参数。该模型支持在“思考”模式与“非思考”模式之间无缝切换，前者适用于复杂推理、数学和代码任务，后者则注重通用对话效率。模型展现出强大的推理能力、多语言支持（100+ 种语言和方言）、先进的指令遵循能力以及智能体工具调用能力。它原生支持 32K token 的上下文窗口，并可通过基于 YaRN 的缩放扩展至 131K token。

Qwen2.5-VL擅长识别常见物体，如花、鸟、鱼和昆虫。它还非常擅长分析图像中的文本、图表、图标、图形和布局。

Qwen-Plus基于Qwen2.5基础模型，是一个131K上下文模型，具有性能、速度和成本的均衡组合。

Qwen2.5-Coder 是代码专用 Qwen 大语言模型的最新系列（原称为 CodeQwen）。Qwen2.5-Coder 在 CodeQwen1.5 的基础上带来了以下改进： - 在**代码生成**、**代码推理**和**代码修复**方面有显著改进。 - 为诸如 **Code Agents** 等真实世界应用提供了更全面的基础。不仅增强了编码能力，还保持了在数学和通用能力方面的优势。 要了解更多关于其评估结果的信息，请查看 Qwen 2.5 Coder 的博客。

Qwen2.5 7B 是 Qwen 大型语言模型的最新系列。Qwen2.5 相较于 Qwen2 带来了以下改进： - 知识量显著增加，并且在编程和数学方面能力大幅提升，这得益于我们在这些领域的专业专家模型。 - 在指令跟随、生成长文本（超过 8K token）、理解结构化数据（例如表格）以及生成结构化输出（尤其是 JSON）方面有显著改进。对系统提示的多样性更具韧性，增强了聊天机器人的角色扮演实现和条件设置。 - 长上下文支持高达 128K token，并且可以生成最多 8K token。 - 支持超过 29 种语言的多语言能力，包括中文、英语、法语、西班牙语、葡萄牙语、德语、意大利语、俄语、日语、韩语、越南语、泰语、阿拉伯语等。 此模型的使用受 通义千问许可协议 约束。

Qwen2.5 72B 是 Qwen 大型语言模型的最新系列。Qwen2.5 在 Qwen2 的基础上带来了以下改进： - 知识量显著增加，并且在编程和数学方面的能力大幅提升，这得益于我们在这些领域的专业专家模型。 - 在指令遵循、生成长文本（超过8K tokens）、理解结构化数据（例如表格）以及生成结构化输出（特别是JSON）方面有显著改进。对系统提示的多样性更具适应性，增强了聊天机器人的角色扮演实现和条件设置。 - 支持长达128K tokens的长上下文，并能生成最多8K tokens。 - 支持超过29种语言，包括中文、英语、法语、西班牙语、葡萄牙语、德语、意大利语、俄语、日语、韩语、越南语、泰语、阿拉伯语等。 使用此模型需遵守通义千问许可协议。