Перейти к содержимому
RouterNodul

QwenVL-OCR API

ID модели в запросах:global-3/qwen-vl-ocr

QwenVL-OCR от Qwen через один OpenAI-совместимый API Nodul Router: ключ с лимитами, журнал запросов, оплата в рублях.

ГлобальныйИзображения
Контекст
38 192
Макс. ответ
8 192
Выпущена
19.11.2025

Цены за 1 млн токенов, ₽Цены за 1 млн токенов, PnP

РегионПопробоватьВходВыходЧтение кэшаID модели в запросах
Глобальный · global-3Попробовать7,00 ₽0,07 PnP16,00 ₽0,16 PnP—global-3/qwen-vl-ocr

Цены розничные, без НДС (5 %). Для компаний — персональные цены по договору: чем больше объем, тем ниже цена.Узнать свою цену

Быстрый старт

curl https://router.nodul.ru/api/v1/chat/completions \
  -H "Authorization: Bearer $NODUL_ROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "global-3/qwen-vl-ocr",
    "messages": [{"role":"user","content":"Hello!"}]
  }'

Описание

QwenVL-OCR от Alibaba Cloud — узкоспециализированная модель на архитектуре Qwen3-VL, которая достает текст и структурированные данные из сканов, таблиц, чеков и документов. Принимает текст и изображения.

Для чего подходит QwenVL-OCR

Модель создана для одной задачи: прочитать изображение и вернуть текст или данные. По документации разработчика, у нее есть встроенные сценарии: разбор документов, поиск положения текста на изображении, извлечение ключевых полей, разбор таблиц, распознавание формул, обычное чтение текста и распознавание на нескольких языках. Среди поддерживаемых языков для последнего сценария назван русский, а также арабский, французский, немецкий, итальянский, японский, корейский, португальский, испанский и вьетнамский. Если запрос не содержит инструкции, модель по умолчанию выдает только текст с картинки, без пояснений.

Типичные применения: оцифровка сканов документов, вытаскивание полей из счетов, чеков, билетов и удостоверений в JSON, перевод таблиц и формул с картинки в текст.

Для общих разговоров, рассуждений и вопросов по картинкам, не связанных с чтением текста, ее брать не стоит: разработчик прямо пишет, что точность ответов на вопросы, не связанные с извлечением текста, не гарантируется. По нашему каталогу, через Router доступны ввод текста и изображений и потоковая выдача; вызова инструментов, структурированного вывода и рассуждений у модели нет.

Датированный снимок QwenVL-OCR-2025-11-20 и основное имя qwen-vl-ocr у разработчика отнесены к одной линейке, поэтому описаны на этой странице вместе. По описанию снимка в каталоге, в нем улучшены разбор документов и поиск положения текста, а задержка и склонность выдумывать текст снижены.

Сильные стороны

  • Узкая специализация. Один набор готовых сценариев вместо подбора промптов для универсальной модели.
  • Структурированное извлечение. В примерах документации модель получает JSON-схему и заполняет ее полями из изображения, например по железнодорожному билету.
  • Разные языки. Документация показывает в одном примере кириллицу, китайский, иврит и латиницу.
  • Работа с перекошенными снимками. Разработчик заявляет коррекцию поворота изображения, но см. ограничения ниже.

Ограничения и спорные моменты

  • Часть возможностей зависит от способа вызова. Документация разработчика пишет, что в OpenAI-совместимом режиме коррекция поворота и встроенные задачи не доступны как параметры: их приходится имитировать промптами и разбирать вывод. Router работает по OpenAI-совместимому протоколу, поэтому рассчитывать стоит именно на этот режим.
  • Риск выдуманного текста. Разработчик предупреждает, что при мелком тексте или низком разрешении модель может выдумывать текст, и советует для важных процессов добавлять ручную проверку или правила проверки формата, например для номеров паспортов и карт.
  • Системное сообщение фиксировано. Модель использует собственное системное сообщение и не принимает свое: все инструкции нужно класть в сообщение пользователя.
  • Нет памяти диалога. Снимок от 20 ноября 2025 года и более ранние версии обрабатывают только последнее сообщение и не хранят контекст; многоходовые диалоги появились в новой модели Qwen3.5-OCR.
  • Ограничения на изображение. Ширина и высота должны быть больше 10 пикселей, соотношение сторон не более 200:1, размер файла по ссылке не более 10 МБ, в Base64 не более 10 МБ.
  • Нет опубликованных замеров. В документации разработчика нет цифр точности для этой модели, независимых бенчмарков в проверенных источниках мы не нашли, поэтому сравнивать ее с универсальными моделями приходится на своих документах.
  • Новее есть версия. Документация называет Qwen3.5-OCR следующим поколением и рекомендует переходить на нее; в нашем каталоге ее нет.

Альтернативы в каталоге

  • Qwen3 VL 235B A22B Instruct: универсальная модель того же семейства. Подойдет, когда нужно не только прочитать документ, но и ответить по нему на вопросы, вызвать инструменты или получить структурированный вывод.
  • Qwen3 VL 8B Instruct: компактная универсальная мультимодальная модель для простых запросов по изображениям.
  • Gemini 2.5 Flash: принимает изображения, файлы, аудио и видео, умеет рассуждать и вызывать инструменты. Выбирайте, если документы приходят в разных форматах.
  • Qwen3.6 35B A3B: модель региона Россия с поддержкой изображений, инструментов и структурированного вывода.

Частые вопросы

Умеет ли QwenVL-OCR читать русский текст?

Да. Документация разработчика перечисляет русский среди языков встроенного сценария распознавания на нескольких языках и показывает кириллицу в примере. Цифр точности именно для русского у разработчика нет.

Можно ли получить из документа JSON с нужными полями?

Да, в документации есть пример: в запросе описывается схема, и модель заполняет ее значениями с картинки. Строгий структурированный вывод на уровне API в нашем каталоге для модели не заявлен, поэтому проверяйте формат ответа в своем коде.

Принимает ли модель PDF?

В нашем каталоге у модели вход из текста и изображений. Документация разработчика отдельно указывает, что прямая подача PDF поддержана для Qwen3.5-OCR, а для этой линейки страницы лучше превращать в изображения.

Чем она отличается от обычной мультимодальной модели вроде Qwen3 VL?

QwenVL-OCR сфокусирована на распознавании и извлечении данных и не рассчитана на свободный диалог по изображениям. Универсальные модели лучше подходят для вопросов по содержанию картинки.

Можно ли запустить модель у себя?

Документация разработчика описывает ее только как облачный сервис, а открытых весов именно этой модели мы не нашли: поиск по Hugging Face выдает лишь модели Qwen3-VL общего назначения и сторонние дообучения других моделей.

Источники

Все параметры API · 11
  • frequency_penalty
  • logprobs
  • max_tokens
  • n
  • presence_penalty
  • seed
  • stop
  • stream
  • temperature
  • top_logprobs
  • top_p

Все модели Qwen