size: 32B. Qwen3-VL-32B-Instruct 是一个大规模多模态视觉-语言模型，专为对文本、图像和视频进行高精度理解与推理而设计。拥有 320 亿参数，它将深度视觉感知与高级文本理解相结合，可实现细粒度空间推理、文档与场景分析以及长时程视频理解。支持 32 种语言的强大 OCR，并通过 Interleaved-MRoPE 与 DeepStack 架构增强多模态融合。针对智能体交互与视觉工具使用优化，Qwen3-VL-32B 在复杂现实多模态任务中达到业界领先性能。
curl https://api.yourplatform.com/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model": "undefined",
"messages": [
{"role": "user", "content": "Hello!"}
],
"stream": true
}'