Qwen3-VL-32B 現在SiliconFlowで: フラッグシップレベルの知能と高密度モデル効率

2025/10/28

要約: Qwen3-VL-32B — 最新のQwen3-VLファミリーへの追加 — は今やSiliconFlowで利用可能です。わずか32B の高密度パラメーターで、フラッグシップレベルのマルチモーダル推論と理解を達成し、GPT-5 miniやClaude 4 Sonnetを上回る速度、低コスト、および効率とパフォーマンスの優れたバランスを提供。今すぐSiliconFlowのOpenAI**/Anthropic対応API**を通じて構築を開始し、フラッグシップインテリジェンスで高密度レベルのパフォーマンスを解き放ちましょう。

Qwen3-VL-235BとQwen3-VL-8Bモデルの成功に基づき、SiliconFlowで既に利用可能であるQwen3-VLファミリーをさらに豊かにし、軽量からフラッグシップレベルのモデルまでのビジョンと言語の理解シナリオを完全にカバーします。32B のパラメーターのみを使用しているにもかかわらず、235B という大規模なモデルと同等のパフォーマンスを達成し、OSWorld のようなベンチマークでそれらを上回り、卓越した効率と推論の強さを示しています。

SiliconFlowのQwen3-VL-32B APIを通じて、次のことが期待できます：

コスト効果の高い価格設定：
- Qwen3-VL-32B-Instruct: $0.2/M tokens (Input) と $0.6/M tokens (Output)
- Qwen3-VL-32B-Thinking: $0.2/M tokens (Input) と $1.5/M tokens (Output)
2つのモデルバリアント：
- Instruct: 対話やツール呼び出しタスクに理想的な、より速い応答とより安定した実行を提供します。
- Thinking: 長い連鎖の推論と複雑な視覚理解を強化し、困難なマルチモーダル問題を「見て考える」ことができます。
262K コンテキストウィンドウ：長い文書や複数回の会話のシームレスな処理を可能にします。

ビジュアル推論、文書分析、またはマルチモーダルエージェント開発を探索しているかどうかにかかわらず、SiliconFlowのQwen3-VL-32B APIは、フラッグシップレベルのマルチモーダルインテリジェンスを実世界のアプリケーションに簡単に実現します。

主な特徴とベンチマークパフォーマンス

Qwen3-VLシリーズは、タスク全体でのマルチモーダルインテリジェンスを強化します—視覚理解、コンテンツ生成から推論およびクリエイティブクリエーションまで、世界をより軽く、より速く、よりスマートに見て理解することができます。

この基盤に基づいて、Qwen3-VL-32Bシリーズは、マルチモーダルおよび純粋テキストのベンチマークで新しい高みを達成し、高密度レベルの効率とフラッグシップグレードのパフォーマンスを組み合わせています：

マルチモーダルパフォーマンス： Qwen3-VL-32Bは、STEM推論、VQA、OCR、ビデオ理解、およびエージェンティックタスクで優れ、主要なカテゴリ全体でGPT-5 miniとClaude 4 Sonnetを一貫して上回ります。
OSWorldで第1位を達成：OSWorld: 複雑な視覚エージェンティックタスク全体で「見て、推論し、行動する」能力を強調します。
テキストおよび推論パフォーマンス： Qwen3-VL-32Bは、言語理解と論理推論において優れた純テキスト推論を示します。

今日現在、SiliconFlowはQwen3-VLモデルの完全なラインアップを提供しており、以下を特徴としています：

高密度モデル：Qwen3-VL-8BとQwen3-VL-32B
MoEモデル：Qwen3-VL-30B-A3BとQwen3-VL-235B-A22B

それぞれのモデルは、InstructおよびThinkingのバリアントで利用可能であり、開発者は対応するAPIサービスに柔軟にアクセスし、パフォーマンス、効率、および推論の深さの間で適切なバランスを選択することができます。

実世界のアプリケーションシナリオ

開発者と研究者の両方のために構築されたQwen3-VL-32Bは、マルチモーダルAIアプリケーションで新しい可能性を解き放ちます：

ビデオの理解と分析：行動を特定し、シーンを要約し、長いビデオの一時的ダイナミクスを自動化またはメディアインテリジェンスのために追跡。
視覚推論とSTEMタスク：教育、研究、および技術文書に理想的な文脈的推論で図、科学チャート、および複雑な数学問題を解釈します。

マルチモーダルエージェント：知覚と推論を結びつけ、画像を理解し、データを分析し、文脈的行動を取るインテリジェントアシスタントを構築します。
文書とOCRの理解：スキャンした文書、レシート、または手書きのメモからのキー情報を高い精度で抽出して要約します。

すぐに始めましょう

探索する： Qwen3-VL-32BをSiliconFlowのプレイグラウンドで試してください。
統合する： OpenAI互換APIを使用します。SiliconFlow APIのドキュメントで完全なAPI仕様を探索してください。

import requests

url = "https://api.siliconflow.com/v1/chat/completions"

payload = {
    "model": "Qwen/Qwen3-VL-32B-Thinking",
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {"url": "https://sf-maas.s3.us-east-1.amazonaws.com/images/recufyDh5zjKVl.png"}
                },
                {
                    "type": "text",
                    "text": "what's this?"
                }
            ]
        }
    ]
}
headers = {
    "Authorization": "Bearer <token>",
    "Content-Type": "application/json"
}

response = requests.request("POST", url, json=payload, headers=headers)

print(response.text)