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.
- Контекст
- 38 192
- Макс. ответ
- 8 192
- Выпущена
- 19.11.2025
Цены за 1 млн токенов, ₽Цены за 1 млн токенов, PnP
| Регион | Попробовать | Вход | Выход | Чтение кэша | ID модели в запросах |
|---|---|---|---|---|---|
| Глобальный · global-3 | Попробовать | 7,00 ₽0,07 PnP | 16,00 ₽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
Цены со скидкой по ссылке партнера, без НДС (5 %). Зарегистрироваться
Цены со скидкой вашей компании, без НДС (5 %).Ваши условия
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!"}] }'
import os from openai import OpenAI client = OpenAI( base_url="https://router.nodul.ru/api/v1", api_key=os.environ["NODUL_ROUTER_API_KEY"], ) response = client.chat.completions.create( model="global-3/qwen-vl-ocr", messages=[{"role": "user", "content": "Hello!"}], ) print(response.choices[0].message.content) print("cost, PnP:", response.usage.model_extra.get("cost"))
import OpenAI from "openai"; const client = new OpenAI({ baseURL: "https://router.nodul.ru/api/v1", apiKey: process.env.NODUL_ROUTER_API_KEY, }); const response = await client.chat.completions.create({ model: "global-3/qwen-vl-ocr", messages: [{ role: "user", content: "Hello!" }], }); console.log(response.choices[0].message.content); console.log("cost, PnP:", response.usage?.cost);
package main import ( "bytes" "encoding/json" "fmt" "net/http" "os" ) func main() { body := []byte(`{"model":"global-3/qwen-vl-ocr","messages":[{"role":"user","content":"Hello!"}]}`) req, _ := http.NewRequest("POST", "https://router.nodul.ru/api/v1/chat/completions", bytes.NewReader(body)) req.Header.Set("Authorization", "Bearer "+os.Getenv("NODUL_ROUTER_API_KEY")) req.Header.Set("Content-Type", "application/json") resp, err := http.DefaultClient.Do(req) if err != nil { panic(err) } defer resp.Body.Close() if resp.StatusCode != http.StatusOK { var e struct{ Error struct{ Message string } } _ = json.NewDecoder(resp.Body).Decode(&e) fmt.Fprintln(os.Stderr, resp.Status, e.Error.Message) os.Exit(1) } var out struct { Choices []struct{ Message struct{ Content string } } Usage struct{ Cost json.Number } } if err := json.NewDecoder(resp.Body).Decode(&out); err != nil { panic(err) } fmt.Println(out.Choices[0].Message.Content) fmt.Println("cost, PnP:", out.Usage.Cost) }
<?php $body = '{"model":"global-3/qwen-vl-ocr","messages":[{"role":"user","content":"Hello!"}]}'; $ch = curl_init('https://router.nodul.ru/api/v1/chat/completions'); curl_setopt_array($ch, [ CURLOPT_POST => true, CURLOPT_HTTPHEADER => [ 'Authorization: Bearer ' . getenv('NODUL_ROUTER_API_KEY'), 'Content-Type: application/json', ], CURLOPT_POSTFIELDS => $body, CURLOPT_RETURNTRANSFER => true, ]); $response = json_decode(curl_exec($ch), true); if (curl_getinfo($ch, CURLINFO_HTTP_CODE) !== 200) { fwrite(STDERR, $response['error']['message'] ?? 'request failed'); exit(1); } echo $response['choices'][0]['message']['content'], PHP_EOL; echo 'cost, PnP: ', $response['usage']['cost'], PHP_EOL;
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_penaltylogprobsmax_tokensnpresence_penaltyseedstopstreamtemperaturetop_logprobstop_p

