Qwen3系列视觉理解模型，实现思考模式和非思考模式的有效融合，视觉智能体能力在OS World等公开测试集上达到世界顶尖水平。此版本在视觉coding、空间感知、多模态思考等方向全面升级；视觉感知与识别能力大幅提升，支持超长视频理解。
推理服务供应商
qwen3-vl-plus模型的推理服务供应商为阿里云百炼。
模型能力
华北2（北京）
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 | Text Image Video | 输出模态 | Text |
模型体验 | 支持 | Function Calling | 支持 |
结构化输出 | 支持 | 联网搜索 | 不支持 |
前缀续写 | 支持 | 上下文缓存 | 支持 |
批量推理 | 支持 | 模型调优 | 不支持 |
新加坡
部署范围：国际
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 | Text Image Video | 输出模态 | Text |
模型体验 | 支持 | Function Calling | 不支持 |
结构化输出 | 支持 | 联网搜索 | 不支持 |
前缀续写 | 支持 | 上下文缓存 | 支持 |
批量推理 | 不支持 | 模型调优 | 不支持 |
德国（法兰克福）
部署范围：欧盟、全球
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 | Text Image Video | 输出模态 | Text |
模型体验 | 支持 | Function Calling | 不支持 |
结构化输出 | 支持 | 联网搜索 | 不支持 |
前缀续写 | 支持 | 上下文缓存 | 支持 |
批量推理 | 不支持 | 模型调优 | 不支持 |
美国（弗吉尼亚）
部署范围：全球
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 | Text Image Video | 输出模态 | Text |
模型体验 | 支持 | Function Calling | 不支持 |
结构化输出 | 支持 | 联网搜索 | 不支持 |
前缀续写 | 支持 | 上下文缓存 | 支持 |
批量推理 | 不支持 | 模型调优 | 不支持 |
中国香港
部署范围：中国香港
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 | Text Image Video | 输出模态 | Text |
模型体验 | 支持 | Function Calling | 不支持 |
结构化输出 | 支持 | 联网搜索 | 不支持 |
前缀续写 | 支持 | 上下文缓存 | 支持 |
批量推理 | 不支持 | 模型调优 | 不支持 |
上下文限制
| 参数 | 值 | 参数 | 值 |
|---|---|---|---|
最大输入长度 | 260096 | 最大输出长度 | 32768 |
上下文长度 | 262144 | 最大输入长度（思考模式下） | 258048 |
最大输出长度（思考模式下） | 32768 | 最大思维链长度 | 81920 |
模型价格
本文仅展示模型调用原价，不包含限时优惠等活动信息，请前往百炼控制台查看活动优惠。
华北2（北京）
32k<输入<=128k
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入 | 1.5 | 每百万tokens |
输出 | 15 | 每百万tokens |
输入（缓存命中） | 0.3 | 每百万tokens |
输入（Batch File） | 0.75 | 每百万tokens |
输出（Batch File） | 7.5 | 每百万tokens |
显式缓存创建 | 1.875 | 每百万tokens |
显式缓存命中 | 0.15 | 每百万tokens |
输入（Batch Chat) | 1.5 | 每百万tokens |
输出（Batch Chat) | 15 | 每百万tokens |
128k<输入<=256k
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入 | 3 | 每百万tokens |
输出 | 30 | 每百万tokens |
输入（缓存命中） | 0.6 | 每百万tokens |
输入（Batch File） | 1.5 | 每百万tokens |
输出（Batch File） | 15 | 每百万tokens |
显式缓存创建 | 3.75 | 每百万tokens |
显式缓存命中 | 0.3 | 每百万tokens |
输入（Batch Chat) | 3 | 每百万tokens |
输出（Batch Chat) | 30 | 每百万tokens |
新加坡
部署范围：国际
32k<Input<=128k
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入 | 2.202 | 每百万tokens |
输出 | 17.614 | 每百万tokens |
输入（缓存命中） | 0.44 | 每百万tokens |
显式缓存创建 | 2.753 | 每百万tokens |
显式缓存命中 | 0.22 | 每百万tokens |
128k<Input<=256k
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入 | 4.404 | 每百万tokens |
输出 | 35.228 | 每百万tokens |
输入（缓存命中） | 0.881 | 每百万tokens |
显式缓存创建 | 5.505 | 每百万tokens |
显式缓存命中 | 0.44 | 每百万tokens |
德国（法兰克福）
部署范围：欧盟
32k<输入<=128k
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入 | 2.248 | 每百万tokens |
输出 | 17.986 | 每百万tokens |
输入（缓存命中） | 0.45 | 每百万tokens |
显式缓存创建 | 2.81 | 每百万tokens |
显式缓存命中 | 0.225 | 每百万tokens |
128k<输入<=256k
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入 | 4.497 | 每百万tokens |
输出 | 35.972 | 每百万tokens |
输入（缓存命中） | 0.899 | 每百万tokens |
显式缓存创建 | 5.621 | 每百万tokens |
显式缓存命中 | 0.45 | 每百万tokens |
部署范围：全球
32k<输入<=128k
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入 | 1.5 | 每百万tokens |
输出 | 15 | 每百万tokens |
输入（缓存命中） | 0.3 | 每百万tokens |
显式缓存创建 | 1.875 | 每百万tokens |
显式缓存命中 | 0.15 | 每百万tokens |
128k<输入<=256k
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入 | 3 | 每百万tokens |
输出 | 30 | 每百万tokens |
输入（缓存命中） | 0.6 | 每百万tokens |
显式缓存创建 | 3.75 | 每百万tokens |
显式缓存命中 | 0.3 | 每百万tokens |
美国（弗吉尼亚）
部署范围：全球
32k<输入<=128k
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入 | 1.5 | 每百万tokens |
输出 | 15 | 每百万tokens |
输入（缓存命中） | 0.3 | 每百万tokens |
显式缓存创建 | 1.875 | 每百万tokens |
显式缓存命中 | 0.15 | 每百万tokens |
128k<输入<=256k
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入 | 3 | 每百万tokens |
输出 | 30 | 每百万tokens |
输入（缓存命中） | 0.6 | 每百万tokens |
显式缓存创建 | 3.75 | 每百万tokens |
显式缓存命中 | 0.3 | 每百万tokens |
限流
华北2（北京）
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） | 3000 |
TPM（每分钟tokens） | 5,000,000 |
新加坡
部署范围：国际
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） | 1200 |
TPM（每分钟tokens） | 1,000,000 |
德国（法兰克福）
部署范围：欧盟
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） | 2000 |
TPM（每分钟tokens） | 1,000,000 |
部署范围：全球
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） | 2000 |
TPM（每分钟tokens） | 1,000,000 |
美国（弗吉尼亚）
部署范围：全球
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） | 6000 |
TPM（每分钟tokens） | 10,000,000 |
中国香港
部署范围：中国香港
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） | 6000 |
TPM（每分钟tokens） | 1,000,000 |