Qwen3-VL 评测结果合并对比
本文整合了Qwen3-VL系列大/中/小三种尺寸模型的评测结果，通过对比分析得出一些结论供读者参考。
·
论文：Qwen3-VL Technical Report
地址：https://arxiv.org/pdf/2511.21631
本文将 Table 2/3/4（大中小三种尺寸模型）的评测结果合成一个，便于个人和社区对比不同尺寸的 Qwen3-VL 系列模型。
- 思考/非思考模型最佳得分，分别以粗体和 下划线 标注
- 标 * 的结果来自各自模型官方技术报告
- 标 + 的结果表示评测时用了 tool use
注：小模型系列没有测 We-Math，中小模型系列没有测 Multi-Modal Coding 任务，因此有几处是空白的。
记录几个结论（仅供个人参考）：
- 思考还是非思考？think 模型大部分评测集下优于非 think 模型，数学推理、复杂VQA优势显著，而且235B的thinking模式优势更大；非思考模型文档理解、工具感知方面更有优势；
- 30B选哪个？中等规模模型中，32b稠密模型优于30b-a3b moe模型；
- 大中号怎么选？235b moe 和 32b 模型对比。235B在复杂推理、视频理解、工具感知任务上优势明显；文档理解、多模态智能体性能接近，32B在OCR任务上甚至略有优势。
中国智能体开发者社区，聚焦智能体与大模型开发，提供前沿资讯、实用工具链、开源项目及行业案例。通过技术沙龙、开发者大赛等活动，促进经验交流与协作，助力开发者快速构建创新智能应用。
更多推荐
4
0- 0
已为社区贡献1条内容
所有评论(0)