qwen-vl-max
qwen-vl-max
阿里云 · 更新于 2025-08-13
Qwen-VL-Max 是阿里云通义千问系列的增强视觉语言模型，定位为性能最强的多模态模型，支持图文理解与生成。其特点是视觉推理能力优于 Qwen-VL-Plus，适用于复杂图文交互场景，如图像内容分析、多模态 Agent 系统构建及高精度图文生成任务。
核心参数
| 厂商 | 阿里云 |
|---|---|
| 分类 | 多模态 |
| 更新时间 | 2025-08-13 |
| 标签 | 视觉理解 |
模型定价
输入
1.6 元/百万 tokens
输出
4 元/百万 tokens
批量推理输入
0.8 元/百万 tokens
批量推理输出
2 元/百万 tokens
缓存命中
0.32 元/百万 tokens
模型能力
| 输入类型 | 文本+图像+视频 |
|---|---|
| 输出类型 | 文本 |
| Function Call | 否 |
| 模型精调 | 否 |
| 结构化输出 | 是 |
模型参数
| 上下文窗口 | 128K |
|---|---|
| 模型更新时间 | 2025-08-13 |
| 最大输入 Token | 126K |
| 最大生成 Token | 8K |
| TPM | 1000K |
| 典型场景 | 复杂推理、指令遵循 |