約Qwen3-Omni-30B-A3B-Captioner
Qwen3-Omni-30B-A3B-Captionerは、AlibabaのQwenチームからのVision-Language Model (VLM)で、Qwen3シリーズの一部です。これは、高品質で詳細かつ正確なImageキャプションを生成するために特別に設計されています。30Bの総パラメータエキスパートの組み合わせ（MoE）アーキテクチャに基づいており、ModelはImageの内容を深く理解し、それを豊かで自然な言語Textに翻訳することができます。
利用可能な Serverless
クエリをすぐに実行し、使用量のみを支払います
$
0.1
／
$
0.4
100万トークン（Input/Output）ごとに
メタデータ
仕様
州
Available
建築
キャリブレートされた
はい
専門家の混合
はい
合計パラメータ
30B
アクティブ化されたパラメータ
推論
いいえ
Precision
FP8
コンテキスト長
66K
Max Tokens
66K
対応機能
Serverless
対応
Serverless LoRA
サポートされていません
Fine-tuning
サポートされていません
Embeddings
サポートされていません
Rerankers
サポートされていません
Image入力をサポートする
対応
JSON Mode
対応
構造化されたOutputs
サポートされていません
ツール
対応
Fim Completion
対応
Chat Prefix Completion
対応
他のModelsと比較
他のモデルに対してこのModelがどのように比較されるかを見てください。
Qwen
chat
Qwen3-VL-32B-Instruct
リリース日：2025/10/21
Total Context:
262K
Max output:
262K
Input：
$
0.2
/ M Tokens
Output:
$
0.6
/ M Tokens
Qwen
chat
Qwen3-VL-32B-Thinking
リリース日：2025/10/21
Total Context:
262K
Max output:
262K
Input：
$
0.2
/ M Tokens
Output:
$
1.5
/ M Tokens
Qwen
chat
Qwen3-VL-8B-Instruct
リリース日：2025/10/15
Total Context:
262K
Max output:
262K
Input：
$
0.18
/ M Tokens
Output:
$
0.68
/ M Tokens
Qwen
chat
Qwen3-VL-8B-Thinking
リリース日：2025/10/15
Total Context:
262K
Max output:
262K
Input：
$
0.18
/ M Tokens
Output:
$
2.0
/ M Tokens
Qwen
chat
Qwen3-VL-235B-A22B-Instruct
リリース日：2025/10/04
Total Context:
262K
Max output:
262K
Input：
$
0.3
/ M Tokens
Output:
$
1.5
/ M Tokens
Qwen
chat
Qwen3-VL-235B-A22B-Thinking
リリース日：2025/10/04
Total Context:
262K
Max output:
262K
Input：
$
0.45
/ M Tokens
Output:
$
3.5
/ M Tokens
Qwen
chat
Qwen3-VL-30B-A3B-Instruct
リリース日：2025/10/05
Total Context:
262K
Max output:
262K
Input：
$
0.29
/ M Tokens
Output:
$
1.0
/ M Tokens
Qwen
chat
Qwen3-VL-30B-A3B-Thinking
リリース日：2025/10/11
Total Context:
262K
Max output:
262K
Input：
$
0.29
/ M Tokens
Output:
$
1.0
/ M Tokens
Qwen
image-to-video
Wan2.2-I2V-A14B
リリース日：2025/08/13
$
0.29
/ Video
