阿里通义近期官宣开源了其Qwen3-VL系列的两款新成员：Dense架构的Qwen3-VL-8B和Qwen3-VL-4B模型。这两款密集视觉理解模型在显存占用上更低，同时继承了Qwen3-VL的全部能力，并提供Instruct和Thinking两个版本。Qwen3-VL-8B在STEM、VQA、OCR、视频理解和Agent任务等公开评测中表现出色，甚至能媲美上一代大型模型。而4B版本则在端侧设备上展现出更高的性价比。值得关注的是，新模型通过架构创新和技术优化，有效解决了小模型常见的“跷跷板”问题，实现了视觉精准与文本稳健的协同突破，在保持文本理解能力的同时，显著增强了多模态感知和视觉理解能力。
🌟 **Qwen3-VL系列再添新成员**：阿里通义正式开源了Dense架构的Qwen3-VL-8B和Qwen3-VL-4B模型。这两款模型在保持原有Qwen3-VL全部能力的基础上，采用了更低的显存占用设计，并为Instruct和Thinking两种应用场景提供了优化版本。
🚀 **性能优异，媲美大模型**：Qwen3-VL-8B在STEM、VQA、OCR、视频理解以及Agent等多种公开评测任务中表现卓越，不仅超越了Gemini 2.5 Flash Lite和GPT-5 Nano等模型，甚至可以与上一代超大尺寸模型Qwen2.5-VL-72B相媲美，展现了强大的视觉理解能力。
💡 **端侧高性价比之选**：Qwen3-VL-4B版本特别适合在智能终端上部署，以其更高的性价比满足AI视觉理解的需求。其紧凑的尺寸和高效的性能使其成为边缘计算场景下的理想选择。
⚖️ **突破“跷跷板”效应，实现能力协同**：新模型通过创新的架构和技术优化，成功解决了小模型在提升视觉能力时牺牲文本性能，或反之亦然的“跷跷板”问题。它们在增强多模态感知和视觉理解能力的同时，依然保持了强大的文本理解能力，实现了视觉与文本能力的平衡发展。
IT之家 10 月 15 日消息，阿里通义今日官宣 Qwen3-VL 系列再添新成员 ——Dense 架构的 Qwen3-VL-8B、Qwen3-VL-4B 模型开源上线。
Qwen3-VL-4B / 8B 是密集（Dense）视觉理解模型，显存占用更低，拥有 Qwen3-VL 的全部能力项，每个尺寸都有 Instruct 和 Thinking 两大版本。
Qwen3-VL-8B 在 STEM、VQA、OCR、视频理解和 Agent 任务等公开评测上表现优异，不仅超越 Gemini 2.5 Flash Lite 和 GPT-5 Nano，甚至可以媲美上一代超大尺寸模型 Qwen2.5-VL-72B。
而 4B 版本则在端侧展现更高的性价比，适合在需要 AI 视觉理解的智能终端部署。
值得一提的是，这两款视觉理解模型实现了「视觉精准」与「文本稳健」的协同突破：针对小模型常见的“跷跷板”问题（提升视觉能力往往牺牲文本性能，反之亦然），阿里通过架构创新和技术优化，让模型在保持文本理解能力的同时，增强多模态感知与视觉理解能力，小身板里塞进了更强的视觉和文本能力。
新模型现已上线魔搭社区、Hugging Face，也提供 FP8 版本，IT之家附开源地址如下：
