Qwen: Qwen3 VL 30B A3B Instruct

Qwen3-VL-30B-A3B-Instruct 是一款多模态模型，将强大的文本生成能力与对图像和视频的视觉理解相结合。其 Instruct 版本针对通用多模态任务优化了指令遵循能力。它擅长感知真实世界和合成类别、实现 2D/3D 空间定位，并理解长篇视觉内容，在多模态基准测试中取得了有竞争力的结果。用于智能体任务时，它能够处理多图、多轮指令、视频时间线对齐和 GUI 自动化。