Qwen/Qwen3-Omni-30B-A3B-Captioner · default

Qwen3-Omni-30B-A3B-Captioner 是阿里巴巴通义千问团队 Qwen3 系列中的一款视觉语言模型（VLM）。它专门用于生成高质量、详细且准确的图像描述。该模型基于 300 亿总参数的混合专家（MoE）架构，能够深入理解图像内容并将其转化为丰富的自然语言文本 人民币数值为基价，default分组倍率1.3；缓存、长上下文及北京时间错峰按价格表达式。