Qwen3-VL-30B-A3B-Instruct — это мультимодальная модель, которая объединяет мощную генерацию текста с визуальным пониманием изображений и видео. Её вариант Instruct оптимизирует следование инструкциям для общих мультимодальных задач. Модель превосходно справляется с восприятием реальных/синтетических категорий, 2D/3D пространственной привязкой и долгосрочным визуальным пониманием, достигая конкурентоспособных результатов в мультимодальных бенчмарках. Для агентского использования она обрабатывает многоизображенийные многоходовые инструкции, выравнивание временной шкалы видео, автоматизацию графического интерфейса и визуальное кодирование от эскизов до отлаженного пользовательского интерфейса. Производительность текста соответствует флагманским моделям Qwen3, что делает её подходящей для Document AI, OCR, помощи в пользовательском интерфейсе, пространственных задач и исследований агентов.
Провайдер для Qwen: Qwen3 VL 30B A3B Instruct
Hubris маршрутизирует запросы к лучшему доступному провайдеру с автоматическим fallback при сбоях.
Модальности
Провайдеры
Запросы обслуживает один из провайдеров ниже — маршрутизация автоматически выбирает оптимального по доступности и скорости в момент запроса. Итоговая стоимость зависит от того, какой провайдер обслужил запрос, и от попадания в кэш: при повторяющемся контексте вход тарифицируется по цене чтения кэша — до 60–80 % дешевле. Цены — в рублях за 1 млн токенов.
DeepInfra | 18,94 ₽ | 75,74 ₽ | — | 15 т/с | 99,7 % | 22,4 % |
Novita | 25,25 ₽ | 88,37 ₽ | — | 49 т/с | 95,8 % | 4,2 % |
SiliconFlow | 36,61 ₽ | 126,24 ₽ | — | 16 т/с | 89,7 % | 15,0 % |
Доля запросов, скорость и латентность считаются по нашему трафику за 30 дней, в разрезе по провайдеру. У одного провайдера может быть несколько строк — разные регионы или тарифы с отдельными ценами; эти значения общие для провайдера, поэтому в таких строках они совпадают.
Поддерживаемые параметры
Сравнить с…
выбрать любую модель →Другие модели от qwen
Qwen: Qwen3.8 Flash
Qwen3.8 Flash — это мультимодальная модель рассуждений от Alibaba. Она подходит для помощи в кодировании, агентских рабочих процессов, визуального понимания, анализа документов и кодовых баз, взаимодействия с рабочим столом, анализа диаграмм и анализа длинных видео.
Qwen: Qwen Image 2.1 Turbo
Qwen Image 2.1 Turbo — это быстрый, более экономичный уровень серии Qwen Image 2.1 от Qwen, предназначенный для генерации и редактирования изображений, где пропускная способность и цена важнее пиковой...
Qwen: Qwen Image 2.1 Pro
Qwen Image 2.1 Pro — это модель для генерации и редактирования изображений от Qwen, представляющая собой более качественный уровень серии Qwen Image 2.1. Выбирайте её вместо Qwen Image 2.1 Turbo, когда...
Qwen: Qwen3.8 Max Prime
Qwen3.8 Max Prime — это вариант Qwen3.8 Max с более высокой пропускной способностью от команды Qwen из Alibaba, предлагаемый как отдельный SKU по более высокой цене. Он принимает текстовые, графические и видеовходы и возвращает текст, имеет контекстное окно в 1M токенов и по умолчанию включает рассуждения. Поддерживаются вызов инструментов, структурированные выводы и настраиваемое усилие рассуждения, что соответствует Qwen3.8 Max.
Qwen: Qwen3.8 Omni Flash
Qwen3.8 Omni Flash — это омнимодальная модель рассуждений от Alibaba, первая модель Qwen, построенная на основе агентских возможностей с нативным пониманием аудио и видео. Она подходит для анализа и обобщения аудио и видео, рабочих процессов редактирования и производства видео, аудио-видео диалогов, кодирования, работы со знаниями и взаимодействия с графическим интерфейсом, и особенно сильна в долгосрочных мультимедийных задачах, которые сочетают речь, звук и визуальный контекст. Она также поддерживает понимание двухканального и четырехканального пространственного аудио.
Qwen: Qwen3.8 Max (0902)
Qwen3.8 Max 0902 — это обновленный снимок Qwen3.8 Max от команды Qwen из Alibaba. Это модель Mixture-of-Experts с 2,4 триллионами параметров, которая принимает текстовые, графические и видеовходы и возвращает текст, с окном контекста в 1 миллион токенов и включенным по умолчанию механизмом рассуждений. Этот снимок прошел пост-обучение для кодирования и агентской работы, включая многоэтапные программные проекты, оркестрацию нескольких инструментов и выполнение долгосрочных задач. Он также предназначен для анализа диаграмм, парсинга документов и мультимодального понимания больших документов и расширенного видео. Поддерживаются вызовы инструментов, структурированные выводы и настраиваемое усилие рассуждений.