Qwen3-VL-8B-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-8b-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 | ¥0.50 | ¥5.00 |
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-8b-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 | $0.18 | $2.10 |
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)
Alibaba Cloud Model Studio（在新标签页打开）
qwen3-vl-8b-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 | $0.072 | $0.717 |
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
- 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, 最大思考预算, 内置工具, 知识截止, 别名。
本地运行
权重： Qwen/Qwen3-VL-8B-Thinking- 参数 8.8B
- 稠密
- 原生精度 BF16
- 层数 36
- 每 token 的 KV 缓存 144 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 原生 BF16 （自动） 8K 上下文 27–40 tok/s单卡
权重KV 缓存运行开销可用上限
- 需要
- ≈ 18.3 GB (权重 16.3（官方文件） + KV 缓存 1.1 + 开销 0.8)
- 可用
- 21.6 GB (标称的 90%)
- 生成速度
- 27–40 tok/s
- 最长上下文
- 31K (再长就放不下)
- 首 token
- 2K 提示约 0.28–0.42 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 | 16.3 GB | ≈ 18.3 | ●流畅 27–40 tok/s | 31K |
| Q8_0官方 | 8.1 GB | ≈ 9.7 | ●流畅 51–76 tok/s | 92K |
| FP8官方 | 9.9 GB | ≈ 11.5 | ●流畅 43–64 tok/s | 80K |
| Q6_K | 6.7 GB | ≈ 8.3 | ●流畅 60–90 tok/s | 102K |
| Q5_K_M | 5.8 GB | ≈ 7.4 | ●流畅 68–102 tok/s | 109K |
| Q5_0 | 5.6 GB | ≈ 7.2 | ●流畅 70–104 tok/s | 110K |
| Q4_K_M官方 | 4.7 GB | ≈ 6.3 | ●流畅 81–121 tok/s | 117K |
| Q4_0 | 4.6 GB | ≈ 6.2 | ●流畅 82–123 tok/s | 117K |
| IQ4_XS | 4.3 GB | ≈ 6.0 | ●流畅 86–129 tok/s | 119K |
| Q3_K_M质量下降明显 | 4.0 GB | ≈ 5.6 | ●流畅 92–138 tok/s | 122K |
| IQ3_XXS质量下降明显 | 3.1 GB | ≈ 4.7 | ●流畅 110–166 tok/s | 128K |
| Q2_K质量下降明显 | 3.1 GB | ≈ 4.7 | ●流畅 112–168 tok/s | 128K |
| IQ2_XXS质量下降明显 | 2.1 GB | ≈ 3.7 | ●流畅 145–218 tok/s | 128K |
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 3080；统一内存 Apple M5 · 16 GB。
运行命令
vLLM
vllm serve Qwen/Qwen3-VL-8B-Thinking --max-model-len 8192
微调需要多少显存
全参≈ 133.1 GB你的配置放不下
LoRA≈ 19.0 GB你的配置放得下
QLoRA≈ 7.3 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-8b-thinking（在新标签页打开） docs.modelstudio.console.alibabacloud.com · 核对于 2026年10月9日
- Qwen/Qwen3-VL-8B-Thinking model card（在新标签页打开） huggingface.co · 核对于 2026年10月31日
- Qwen/Qwen3-VL-8B-Thinking config.json（在新标签页打开） huggingface.co · 核对于 2026年11月2日
- Qwen/Qwen3-VL-8B-Thinking files（在新标签页打开） huggingface.co · 核对于 2026年10月31日
- Qwen/Qwen3-VL-8B-Thinking-FP8 files（在新标签页打开） huggingface.co · 核对于 2026年11月2日
- Qwen/Qwen3-VL-8B-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