Qwen-VL OCR

Qwen-VL OCR 是 阿里云通义千问 推出的 图像输入模型，上下文窗口 34,096 tokens，单次最大输出 4,096 tokens。

原厂描述：OCR model for extracting structured text from documents and screenshots

• 厂商：阿里云通义千问（Alibaba）
• 模型 ID：qwen-vl-ocr
• 上下文：34,096 tokens
• 最大输出：4,096 tokens
• 定价：输入 $0.72 / 输出 $0.72 · 每百万 tokens
• 能力：图像输入
• 发布日期：2024-10-28

数据来源：models.dev。