# QwenVL-OCR API

- Разработчик: [Qwen](https://router.nodul.ru/models/qwen.md)
- Тип: Текст
- Контекст: до 38 192 токенов
- Дата выхода: 19.11.2025
- ID для API: `global-3/qwen-vl-ocr`
- Самая низкая цена: ввод от 7,00 ₽, вывод от 16,00 ₽

## Цены и маршруты

У модели может быть несколько маршрутов: у каждого свой ID для API, регион и цена. Маршрут с префиксом `ru-` работает в России. ZDR — провайдер не хранит запросы и ответы. Доверенный провайдер — компания с известным брендом и крупной выручкой или инвестициями: [Модели и маршрутизация, раздел «Доверенные провайдеры»](https://router.nodul.ru/docs/ru/models-and-routing.md).

Цены — в рублях без НДС за 1 млн токенов; у моделей изображений и распознавания речи — за изображение, мегапиксель или минуту аудио. Оплата идет в PnP, 1 PnP = 100 ₽. Цена окончательная: `usage.cost` в ответе API — ровно та сумма, которую вы платите. Цены без НДС (5 %); по договору счета выставляются в рублях с НДС. Для компаний цена ниже розничной и зависит от объема: https://router.nodul.ru/business

| ID для API | Маршрут | Регион | Ввод, ₽ | Вывод, ₽ | Чтение из кэша, ₽ | Цена за единицу | Контекст, токенов | Макс. ответ, токенов | ZDR | Доверенный провайдер |
| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |
| `global-3/qwen-vl-ocr` | global-3 | За рубежом | 7 | 16 | — | — | 38 192 | 8 192 | нет | да |

## Описание

Обновлено: 17.11.2026

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](https://router.nodul.ru/models/qwen/qwen3-vl-235b-a22b-instruct.md): 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](https://router.nodul.ru/models/qwen/qwen3-vl-8b-instruct.md): компактная универсальная мультимодальная модель для простых запросов по изображениям.
- [Gemini 2.5 Flash](https://router.nodul.ru/models/google/gemini-2.5-flash.md): принимает изображения, файлы, аудио и видео, умеет рассуждать и вызывать инструменты. Выбирайте, если документы приходят в разных форматах.
- [Qwen3.6 35B A3B](https://router.nodul.ru/models/qwen/qwen3.6-35b-a3b.md): 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

- [Text extraction (Qwen-OCR), документация Alibaba Cloud](https://www.alibabacloud.com/help/en/model-studio/qwen-vl-ocr)

## Как вызвать

```bash
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": "Привет!"}]}'
```

Документация API: https://router.nodul.ru/docs/llms.txt

---
HTML-версия: https://router.nodul.ru/models/qwen/qwen-vl-ocr
Оглавление сайта для ИИ-агентов: https://router.nodul.ru/llms.txt · все для решения о покупке: https://router.nodul.ru/llms-full.txt · прайс-лист: https://router.nodul.ru/models/prices.md
