Qwen3 VL 30B A3B Instruct

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。