読み込み中...
読み込み中...
Qwen3-VL-30B-A3B-Instructは、画像や動画に対する強力なテキスト生成と視覚理解を統合したマルチモーダルモデルです。Instruct版は、汎用的なマルチモーダルタスクで指示に従う能力を高めています。実世界および合成カテゴリの認識、2D/3Dの空間グラウンディング、長文にわたる視覚情報の理解に優れ、マルチモーダルベンチマークで競争力のある結果を達成しています。エージェント用途では、複数画像にまたがる複数ターンの指示、動画のタイムライン整合、GUI自動化に対応します。
OpenOCRは、ファイル形式やパラメータを処理できる最適なプロバイダーへリクエストを振り分け、稼働率を最大化するためのフォールバックも備えています。
ベンチマークスコア
レイテンシ
4.1s
言語
100+
最大ページ数
1
対応フォーマット
機能
長所
Aggregator. OpenOCR routes only to paid tiers in prod; free training tiers are excluded. Per-tier privacy varies upstream.
| エンジン | プロバイダー | ベンチマーク | 料金 |
|---|---|---|---|
| Datalab Convert (accurate) | Datalab | 77.2%✓ | 100 ページ / $1$0.01/ページ |
| Meta: Llama 4 Maverick | OpenRouter | 71%✓ | ~1,560 ページ / $1~$0.00064 標準ページあたり |
| Anthropic: Claude Opus 4.5 | OpenRouter | 67.5%✓ | ~46.1 ページ / $1~$0.0217 標準ページあたり |
| Meta: Muse Spark 1.2 | OpenRouter | 65.5%✓ | ~103 ページ / $1~$0.00975 標準ページあたり |
| Mistral: Mistral Medium 3 | OpenRouter | 64.9%✓ | ~684 ページ / $1~$0.00146 標準ページあたり |
| OpenAI: GPT-5.6 Luna | OpenRouter | 64.8%✓ | ~816 ページ / $1~$0.00123 標準ページあたり |
| Mistral: Mistral Medium 3.1 | OpenRouter | 64.6%✓ | ~684 ページ / $1~$0.00146 標準ページあたり |
| StepFun: Step 3.7 Flash | OpenRouter | 63.6%✓ | ~1,150 ページ / $1~$0.000867 標準ページあたり |
| Gemini 3 Flash Preview | Google Cloud | 63.6%✓ | ~184 ページ / $1~$0.00543 標準ページあたり |
| Anthropic: Claude Opus 4.6 | OpenRouter | 63.4%✓ | ~46.1 ページ / $1~$0.0217 標準ページあたり |
| Qwen: Qwen3 VL 30B A3B Instruct現在表示中 | OpenRouter | 56.1%✓ | ~1,940 ページ / $1~$0.000517 標準ページあたり |
ベンチマークスコア上位 10 件、およびこのエンジン. 174 件すべてのエンジンを比較
このエンジンは基盤となるAIモデルによりすべての言語に対応しています。ISO 639-1の言語コードを指定すると結果を最適化できます。
100+ 言語に対応