Qwen3 VL 4B Thinking: هوش مصنوعی چندوجهی برای درک تصویر و متن

اطلاعات مدل

شناسه (Slug)

qwen3-vl-4b-thinking

تاریخ انتشار

۳۱ شهریور ۱۴۰۴

سازمان

qwen

دسترسی

پولی

سایت رسمی

qwen.ai

داده‌های تحلیلی

شمار پارامترها

۴,۰B پارامتر

مجوز

Apache 2.0

بنچمارک‌ها

creativity

Creative Writing v3 ۷۶,۱% #13

general

IFEval ۸۲,۶% #48

MMLU ۸۱,۵% #51

MLVU-M ۷۵,۷% #5

BFCL-v3 ۶۷,۳% #15

Include ۶۴,۶% #24

Arena-Hard v2 ۳۶,۸% #16

زبان

MMLU-Redux ۸۶,۰% #33

MMLU-Pro ۷۳,۶% #79

MMLU-ProX ۶۵,۰% #24

ریاضی

MathVista-Mini ۷۹,۵% #14

AIME 2025 ۷۴,۵% #81

LiveBench 20241125 ۶۸,۴% #11

MathVision ۶۰,۰% #24

HMMT25 ۵۳,۱% #22

PolyMATH ۴۴,۶% #17

چندحالته

VideoMMMU ۶۹,۴% #22

OSWorld ۳۱,۴% #15

MM-MT-Bench ۷,۷% ۸ #9

استدلال

CharXiv-D ۸۳,۹% #13

Multi-IF ۷۳,۶% #12

GPQA ۶۴,۱% #158

LiveCodeBench v6 ۵۱,۳% #49

CharXiv-R ۵۰,۳% #47

SuperGPQA ۴۶,۸% #28

ویدیو

CharadesSTA ۵۹,۰% #8

بینایی

DocVQAtest ۹۴,۲% #11

ScreenSpot ۹۲,۹% #10

MMBench-V1.1 ۸۶,۷% #12

AI2D ۸۴,۹% #21

InfoVQAtest ۸۳,۰% #10

OCRBench ۸۰,۸% #23

MuirBench ۷۵,۰% #5

CC-OCR ۷۳,۸% #18

MMStar ۷۳,۲% #12

RealWorldQA ۷۳,۲% #20

MMMU (val) ۷۰,۸% #6

MVBench ۶۹,۳% #14

Hallusion Bench ۶۴,۱% #9

BLINK ۶۳,۴% #12

OCRBench-V2 (en) ۶۱,۸% #10

MMMU-Pro ۵۷,۰% #54

OCRBench-V2 (zh) ۵۵,۸% #11

LVBench ۵۳,۵% #20

ScreenSpot Pro ۴۹,۲% #21

ERQA ۴۷,۳% #18

ODinW ۳۹,۴% #16

writing

WritingBench ۸۴,۰% #10

تامین‌کننده‌ها (Providers)

این مدل از طریق 2 ارائه‌دهنده قابل دسترسی است.

ارائه‌دهنده	نوع	نام مدل	مدل اصلی	ورودی ($/1M)	خروجی ($/1M)	رایگان
LLM Stats	گفتگو	Qwen3 VL 4B Thinking	`qwen3-vl-4b-thinking`	$0.10	$1.00	—
Featherless	—	Qwen/Qwen3-VL-4B-Thinking	`Qwen/Qwen3-VL-4B-Thinking`	-	-	—

معرفی مدل

مدل Qwen3 VL 4B Thinking، تازه‌ترین نوآوری از خانواده Qwen، توانایی‌های چندوجهی را در پردازش و درک اطلاعات بصری و زبانی ارائه می‌دهد. این مدل با معماری پیشرفتهٔ خود، قادر به تحلیل تصاویر و متون به‌صورت همزمان است و درک عمیق‌تری از مفاهیم پیچیده فراهم می‌آورد. Qwen3 VL 4B Thinking برای طیف وسیعی از کاربردها، از جمله خلاصه‌سازی بصری، پاسخگویی به سوالات مبتنی بر تصویر و تولید محتوای خلاقانه، ایده‌آل است. این مدل، گامی مهم در جهت هوش مصنوعی چندوجهی و تعاملی محسوب می‌شود.