Qwen3-VL-32B-Instruct — это масштабная мультимодальная модель «зрение‑язык», разработанная для высокоточного понимания и рассуждения на основе текста, изображений и видео. С 32 миллиардами параметров она объединяет глубокое визуальное восприятие с продвинутыми возможностями обработки текста, обеспечивая эффективную интеграцию и анализ информации из разных модальностей. Модель способна выполнять сложные задачи, такие как визуальное распознавание, генерация описаний, ответ на вопросы, основанные на визуальном контенте, а также интерпретацию и синтез видео‑данных, поддерживая при этом высокий уровень точности и контекстуальной согласованности.
curl https://api.vega.chat/api/v1/chat/completions \
-H "Authorization: Bearer $VEGA_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen/qwen3-vl-32b-instruct",
"messages": [
{"role": "user", "content": "Hello!"}
]
}'