Qwen: Qwen3 VL 30B A3B Instruct

Qwen3-VL-30B-A3B-Instruct é um modelo multimodal que combina geração de texto avançada com compreensão visual de imagens e vídeos. Sua versão Instruct otimiza o seguimento de instruções para tarefas multimodais gerais. Ela se destaca na percepção de categorias do mundo real e sintéticas, na localização espacial 2D/3D e na compreensão visual de conteúdo extenso, alcançando resultados competitivos em benchmarks multimodais. Para uso agêntico, lida com instruções envolvendo várias imagens e turnos, alinhamento com a linha do tempo de vídeos e automação de interfaces gráficas.