概要
Qwen-VL-OCRは、画像内の文字認識・解析・処理に特化したOCRモデルです。本バージョンはQwen-VL3アーキテクチャに基づくスナップショットで、文書解析と文字位置の特定が改善され、従来版に比べて遅延と幻覚が低減されたと公式に説明されています。(help.aliyun.com)
能力と用途
画像からテキストを出力し、文書画像の文字抽出や解析に利用できます。証明書や請求書などからの情報抽出にも利用できます。北京リージョンのモデル情報には、入力モダリティとしてテキストと画像が記載されています。(help.aliyun.com)
制限
- 最大入力は30,000トークン、最大出力は8,192トークン、コンテキストウィンドウは38,192トークンです。(help.aliyun.com)
- 小さな文字や低解像度の画像では幻覚が生じる可能性があり、文字抽出以外の質問については精度が保証されません。最新のメッセージのみを処理し、会話の文脈を保持しません。PDFはページごとに画像へ変換して処理する必要があります。(help.aliyun.com)
- 公式モデル情報では、関数呼び出し、構造化出力機能、ウェブ検索、コンテキストキャッシュ、バッチ推論、ファインチューニングは非対応です。(help.aliyun.com)
公開日
スナップショットの日付は2025年11月20日です。公式更新一覧では、北京向けの項目は11月20日、国際・グローバル展開の項目は11月21日に掲載されています。(help.aliyun.com)
API料金
以下は本スナップショットの通常の入出力トークン単価です。画像も入力トークンとして課金されます。中国国内サイトと国際サイトの料金は、それぞれの提供条件に適用され、単純な通貨換算ではありません。
- 中国国内サイト・CNY:北京は入力100万トークン当たり0.3元、出力100万トークン当たり0.5元。米国バージニアおよびドイツ・フランクフルトのグローバル展開も同額。シンガポールの国際展開は入力0.514元、出力1.174元/各100万トークン。北京の本スナップショットには無料枠がありません。出典:中国国内サイトの公式料金表、確認日:2026年11月17日。(help.aliyun.com)
- 国際サイト・USD:北京は入力100万トークン当たり0.043ドル、出力100万トークン当たり0.072ドル。バージニアおよびフランクフルトのグローバル展開も同額。シンガポールの国際展開は入力0.07ドル、出力0.16ドル/各100万トークンで、本スナップショットには無料枠がありません。出典:国際サイトの公式料金表、確認日:2026年11月17日。(alibabacloud.com)