Qwen3-VL-32B-Thinking
- 输入 输入模态: 文本图像视频 输出 输出模态: 文本
- 推理
- 结构化输出
- 开放权重
价格
3 个渠道报价 · 按标价显示 Alibaba Cloud Model Studio（在新标签页打开）
qwen3-vl-32b-thinking| 条件/ 百万 tokens | 输入 | 输出 |
|---|---|---|
| 标准 自 2026年10月11日 起页面不再列出 | ¥2.00 | ¥20.00 |
价格来源 阿里云百炼：模型价格（在新标签页打开） (核对于 2026年10月6日)
Alibaba Cloud Model Studio（在新标签页打开）
qwen3-vl-32b-thinking| 条件/ 百万 tokens | 输入 | 输出 |
|---|---|---|
| 标准 自 2026年10月11日 起页面不再列出 | $0.16 | $0.64 |
价格来源 Alibaba Cloud Model Studio pricing（在新标签页打开） (核对于 2026年10月11日)
标准：不带任何条件的请求所付价格（即本站其他页面显示的标价）。
详细规格
- 最长输入
- 126.98K
- 最大思考预算
- 81.92K
- 工具调用
- —
- 模型家族
- qwen-vl-thinking
- 模型 ID
Alibaba Qwen 的页面未说明：推理档位, 可关闭推理, 内置工具, 知识截止, 许可证, 别名。
本地运行
权重： Qwen/Qwen3-VL-32B-Thinking- 参数 33.4B
- 稠密
- 原生精度 BF16
- 层数 64
- 每 token 的 KV 缓存 256 KB
- 配置位置数 256K （config.json max_position_embeddings）
- API 上下文 128K （厂商 API）
在你的配置上 · GeForce RTX 4090
●流畅 IQ4_XS （自动） 8K 上下文 25–38 tok/s单卡
权重KV 缓存运行开销可用上限
- 需要
- ≈ 19.3 GB (权重 16.5 + KV 缓存 2.0 + 开销 0.8)
- 可用
- 21.6 GB (标称的 90%)
- 生成速度
- 25–38 tok/s
- 最长上下文
- 17K (再长就放不下)
- 首 token
- 2K 提示约 1.08–1.62 秒
| 推荐精度 | 权重 | 8K 需要 | 在你的配置上 | 最长上下文 |
|---|---|---|---|---|
| 原生 BF16官方 | 62.1 GB | ≈ 67.2 | ✕放不下 | — |
| Q8_0官方 | 32.4 GB | ≈ 36.0 | ○需放到内存 3–4 tok/s | — |
| FP8官方 | 33.1 GB | ≈ 36.7 | ○需放到内存 2–4 tok/s | — |
| Q6_K | 25.5 GB | ≈ 28.8 | ○需放到内存 5–7 tok/s | — |
| Q5_K_M | 22.1 GB | ≈ 25.2 | ○需放到内存 8–12 tok/s | — |
| Q5_0 | 21.4 GB | ≈ 24.4 | ○需放到内存 9–14 tok/s | — |
| Q4_K_M官方 | 18.4 GB | ≈ 21.3 | ●流畅 23–35 tok/s | 9K |
| Q4_0 | 17.5 GB | ≈ 20.3 | ●流畅 24–36 tok/s | 13K |
| IQ4_XS | 16.5 GB | ≈ 19.3 | ●流畅 25–38 tok/s | 17K |
| Q3_K_M质量下降明显 | 15.2 GB | ≈ 17.9 | ●流畅 27–41 tok/s | 22K |
| IQ3_XXS质量下降明显 | 11.9 GB | ≈ 14.5 | ●流畅 34–51 tok/s | 36K |
| Q2_K质量下降明显 | 11.6 GB | ≈ 14.2 | ●流畅 34–52 tok/s | 37K |
| IQ2_XXS质量下降明显 | 8.0 GB | ≈ 10.5 | ●流畅 47–70 tok/s | 52K |
点一行换精度。“官方”是厂商自己发布的文件，大小是实际值；其余按参数量 × 每权重位数估算。
和其他配置比
每个配置各用它能跑的最高精度，点一个看细节。
最低需要（Q4_K_M · 8K）：显卡 GeForce RTX 4090；统一内存 Apple M6 (24GB or 32GB) · 32 GB。
运行命令
厂商没有发布这个精度的文件。可选原生精度或厂商自己的版本，或用 llama.cpp 自己量化。
微调需要多少显存
全参≈ 500.3 GB你的配置放不下
LoRA≈ 66.0 GB你的配置放不下
QLoRA≈ 21.3 GB你的配置放得下
batch 1、序列 2048、梯度检查点；LoRA / QLoRA 为注意力投影上的 r=16 适配器。
估算；数据来自厂商的 Hugging Face 仓库，截至 2026-11-06。 怎么估算的
引用评分
来自第三方排行榜，并非我们测得这个模型还没有出现在我们引用的任何排行榜上。
变更
全部变更 →暂无变更记录。
来源
- Alibaba Cloud Model Studio pricing（在新标签页打开） alibabacloud.com · 核对于 2026年10月11日
- 阿里云百炼：模型价格（在新标签页打开） help.aliyun.com · 核对于 2026年10月6日
- Alibaba Cloud Model Studio: newly released models（在新标签页打开） alibabacloud.com · 核对于 2026年11月2日
- qwen3-vl-32b-thinking（在新标签页打开） docs.modelstudio.console.alibabacloud.com · 核对于 2026年10月10日
- Qwen/Qwen3-VL-32B-Thinking model card（在新标签页打开） huggingface.co · 核对于 2026年10月31日
- Qwen/Qwen3-VL-32B-Thinking config.json（在新标签页打开） huggingface.co · 核对于 2026年11月2日
- Qwen/Qwen3-VL-32B-Thinking files（在新标签页打开） huggingface.co · 核对于 2026年11月3日
- Qwen/Qwen3-VL-32B-Thinking-FP8 files（在新标签页打开） huggingface.co · 核对于 2026年11月1日
- Qwen/Qwen3-VL-32B-Thinking-GGUF files（在新标签页打开） huggingface.co · 核对于 2026年10月31日
Alibaba Qwen 官方政策：数据使用、隐私、条款 →
Alibaba Qwen · 中国 · qwen.ai
相关模型
快照、同系列与同厂商的其他模型