阿里巴巴通义千问团队近日重磅推出Qwen3-VL系列两款轻量级模型——4B和8B参数版本，进一步巩固了该系列作为通义千问迄今最强视觉语言模型家族的地位。此次新增的小参数版本在保持卓越性能的同时，显著降低了部署门槛，为开发者提供了更灵活高效的解决方案。
Qwen3-VL系列于上月首次亮相，凭借其强大的多模态理解能力、长文本处理能力和复杂推理能力，迅速成为业界焦点。此次发布的4B和8B参数版本延续了这一优良传统，每种规模均提供Instruct（指令遵循）和Thinking(思维链推理)两个版本，满足不同场景下的应用需求。从功能定位来看，这两款轻量级模型在大幅压缩体积的同时，完整继承了Qwen3-VL系列的所有核心能力，实现了性能与效率的完美平衡。
在技术实现上，新模型达成了三大核心目标。首先是硬件资源需求的显著降低，参数规模的缩减使得显存占用大幅减少，让开发者能够在更多消费级和边缘设备上部署运行。其次是能力传承的完整实现，尽管模型尺寸大幅缩小，但完整继承了Qwen3-VL系列的所有核心能力，包括多模态理解、长文本处理和复杂推理等功能模块。从性能表现来看，这两款轻量级模型在多项权威基准测试中展现出超越同等规模竞品的实力，不仅超过了Google Gemini2.5Flash Lite和OpenAI GPT-5Nano等同类轻量级模型，在部分任务上甚至能够接近半年前发布的72B参数旗舰模型Qwen2.5-VL-72B的水平。
这一发布标志着大模型”小型化”趋势的又一重要进展。通过模型压缩和优化技术，开发团队在保持能力完整性的前提下实现了参数量与计算成本的大幅削减，为视觉语言模型在移动端、物联网设备等资源受限场景的应用铺平了道路。对于需要在本地部署或对推理成本敏感的企业用户而言，这两款新模型提供了更具性价比的解决方案。
模型地址：https://huggingface.co/collections/Qwen/qwen3-vl-68d2a7c1b8a8afce4ebd2dbe