Qwen3-VL-8B是阿里巴巴集團旗下通義實驗室於2025年10月15日發布的開源密集型視覺理解模型，屬於Qwen3-VL系列中的Dense架構版本。該模型通過最佳化顯存占用設計，完整繼承Qwen3-VL全系列功能並提供Instruct與Thinking雙版本適配不同套用場景，支持圖像、文本混合輸入及本地終端部署。
Qwen3-VL-8B在STEM、視覺問答、光學字元識別、視頻理解及智慧型代理任務等公開評測中表現優異，性能超越Gemini 2.5 Flash Lite與GPT-5Nano，並達到前代超大規模模型Qwen 2.5-VL-72B水平，但在2025年11月商湯日日新的空間智慧型基準測試中，其平均成績40.16落後於商湯開源模型SenseNova-SI-8B（60.99）及國際閉源模型如GPT-5（49.68）和Gemini 2.5 Pro（48.81）。其核心技術包括MRoPE-Interleave位置編碼實現長視頻理解、DeepStack技術強化視覺細節捕捉，以及文本時間戳對齊機制提升視頻時序建模精度。該模型通過架構創新解決了小模型常見的視覺與文本能力“蹺蹺板”問題，實現視覺精準與文本穩健的協同提升。目前已上線魔搭社區和Hugging Face平台，提供FP8版本供開發者使用。
基本介紹
- 軟體名稱：Qwen3-VL-8B
- 上線時間：2025年10月15日
- 開發商：阿里通義
發展歷程,Qwen3-VL-Embedding與Qwen3-VL-Reranker,最新研究套用,主要功能,
發展歷程
2025年10月15日，阿里通義發布Qwen3-VL-8B開源模型。
2026年01月08日，阿里通義發布並開源Qwen3-VL-Embedding和Qwen3-VL-Reranker模型系列。
Qwen3-VL-Embedding與Qwen3-VL-Reranker
2026年1月，阿里通義開源了基於Qwen3-VL構建的Qwen3-VL-Embedding和Qwen3-VL-Reranker模型系列。
該系列模型能夠在統一框架內處理文本、圖像、可視化文檔以及視頻等多種模態輸入，套用於圖文檢索、視頻-文本匹配、視覺問答和多模態內容聚類等任務。Qwen3-VL-Embedding模型能夠生成向量表示，將視覺與文本信息映射到同一語義空間，用於跨模態相似度計算與檢索。Qwen3-VL-Reranker模型可接收任意模態組合的查詢與文檔對，輸出相關性分數；兩者可協同構成“兩階段檢索流程”，即Embedding負責快速召回，Reranker負責重排序。
該系列繼承了Qwen3-VL的多語言能力，支持超過30種語言，並提供靈活的向量維度選擇與任務指令定製。在MMEB-v2和MMTEB等多模態檢索基準測試中，Qwen3-VL-Embedding-8B在MMEB-V2上取得了一定成果，Qwen3-VL-Reranker在評測中表現穩定。
Qwen3-VL-Embedding採用雙塔獨立編碼架構，適合處理海量數據的並行計算；Qwen3-VL-Reranker採用單塔交叉注意力架構，通過跨模態互動輸出相關性分數。
最新研究套用
2025年12月，北京大學、西安交通大學、快手科技及中國科學院的研究團隊以Qwen3-VL-8B-Instruct為基礎模型開發了名為GRAN-TED的全新文本編碼器，旨在解決AI在文本到圖像和文本到視頻生成任務中的理解偏差問題。該研究構建了無需實際生成即可快速評估文本編碼器能力的TED-6K評估體系，並對Qwen3-VL-8B-Instruct採用了針對性的微調與層級特徵加權最佳化的兩階段訓練策略。最佳化後的GRAN-TED編碼器在TED-6K基準測試中取得57.42分，相比基礎模型提升0.6分；在文本到圖像生成（GenAI-Bench）和文本到視頻生成任務中，分別帶來1.24分和2.39分的性能提升，特別是在動作識別、時間關係理解和指代消歧方面表現突出。相關研究成果以論文形式發表於2025年12月（arXiv:2512.15560v2）。
主要功能
Qwen3-VL-8B為密集型視覺理解模型，具備更低的顯存占用，完整繼承Qwen3-VL全系列功能，每個參數規模均提供Instruct與Thinking兩個版本，滿足多樣化套用需求。
Qwen3-VL-8B在多項公開評測中表現突出，涵蓋STEM、視覺問答、光學字元識別、視頻理解及智慧型代理任務等多個領域，但在2025年11月商湯日日新的空間智慧型基準測試中（VSI、MMSI、MindCube、ViewSpatial），其平均成績40.16落後於商湯開源模型SenseNova-SI-8B（60.99）及國際閉源模型如GPT-5（49.68）和Gemini 2.5 Pro（48.81）。性能在通用多模態任務中超越Gemini 2.5 Flash Lite與GPT-5 Nano，並與前代超大規模模型Qwen2.5-VL-72B相匹敵，但在空間智慧型專項評測中表現相對局限。
