Qwen3 VL 32B Instruct

Publié par Qwen le 22 septembre 2025, Qwen3 VL 32B Instruct est un modèle vision-langage de 33 milliards de paramètres, doté d’une fenêtre de contexte de 262 144 tokens. Ses poids sont distribués sous licence Apache 2.0, avec un usage commercial autorisé.

Le modèle combine traitement du texte, des images et des vidéos. Il cible notamment l’interaction avec des interfaces PC et mobiles, la compréhension de vidéos longues, l’OCR en 32 langues, le raisonnement spatial et la génération de Draw.io, HTML, CSS ou JavaScript à partir de contenus visuels. Son positionnement tarifaire est très économique.

Caractéristiques

Performances (benchmarks)

« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.

Tarifs

Prix en dollars US par million de tokens.

Sa tarification se situe 95 % en dessous de la moyenne des LLM similaires, et 52,9 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).

Coût & vitesse agentiques

Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.

Notre analyse

Forces. Qwen3 VL 32B Instruct se place dans le top 10 des évaluations Benchable en connaissances générales, éthique, mathématiques, raisonnement et code, avec un score maximal sur chaque catégorie. Ses mécanismes Interleaved-MRoPE, DeepStack et Text–Timestamp Alignment soutiennent l’alignement image-texte, le raisonnement vidéo et la localisation temporelle. Le modèle prend aussi en charge l’ancrage spatial 2D et 3D. Son coût est inférieur de 95% à la moyenne des LLM similaires et environ 52,9 fois inférieur à celui des modèles frontière, ce qui le rend attractif pour des traitements volumineux. Il fonctionne en chat avec Hugging Face Transformers, AutoProcessor et Qwen3VLForConditionalGeneration.

Limites et points d'attention. Les résultats sont moins homogènes sur les tâches spécialisées : la classification d’e-mails reste nettement en retrait, au-delà du milieu du classement Benchable. À sa sortie, le modèle figurait seulement dans le top 42% des LLM de sa génération sur GPQA, un positionnement correct mais éloigné du haut du panier. Qwen3 VL 32B Instruct convient surtout aux usages multimodaux à grande échelle où le coût, la longue fenêtre de contexte, l’analyse visuelle et la licence ouverte priment.

Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Benchable.ai (benchable.ai).