模型定位
Qwen-VL-OCR 是用於影像文字辨識與解析的視覺模型;此 ID 為 2025-11-20 快照版本,基於 Qwen3-VL 架構。(help.aliyun.com)
能力與用途
- 支援一般及多語言文字辨識、文件解析、表格解析、公式辨識、資訊擷取及影像旋轉校正。
- 高精度辨識可輸出文字行位置座標,適合文件影像數位化、票據欄位擷取及文字定位等用途。(help.aliyun.com)
限制
- 上下文長度為 38,192 tokens,最大輸入 30,000 tokens、最大輸出 8,192 tokens。(help.aliyun.com)
- 此版本僅處理最近一則訊息,不保留多輪對話上下文;不接受自訂 system message。文字過小或影像解析度過低時可能產生幻覺,結果應依用途核對。(alibabacloud.com)
- URL 或本機路徑提供的影像上限為 10 MB;Base64 編碼字串上限為 10 MB。OpenAI 相容 SDK 不直接以參數提供部分進階功能,須以提示詞等方式處理。(alibabacloud.com)
發布日期
官方模型更新清單將此快照列於 2025-11-20。升級公告發布於同日,載明預定影響時間為 2025-11-21 00:00(UTC+8),實際生效時間可能有所不同。(help.aliyun.com)
價格
以下為指定快照的官方輸入與輸出 token 單價,查詢日期均為 2026-11-17;不同站點及地域的報價不是可直接換算的同一套餐。
- **中國大陸站,華北 2(北京):**每百萬輸入 tokens 人民幣 CNY 0.3;每百萬輸出 tokens CNY 0.5。該快照在此定價表列為無免費額度。(help.aliyun.com)
- **國際站,新加坡、國際部署範圍:**每百萬輸入 tokens USD 0.07;每百萬輸出 tokens USD 0.16。該快照在此定價表列為無免費額度。(alibabacloud.com)
- **國際站,北京,或法蘭克福/美國維吉尼亞全球部署範圍:**每百萬輸入 tokens USD 0.043;每百萬輸出 tokens USD 0.072。(alibabacloud.com)