Qwen3 VL 4B Instruct
Qwen3 VL 4B Instruct est un modèle vision-langage de Qwen, sorti le 22 septembre 2025. Ses 4 milliards de paramètres, sa licence Apache 2.0 autorisant l’usage commercial et son positionnement très économique en font un modèle multimodal orienté vers un déploiement accessible.
Qwen3 VL 4B Instruct est un modèle vision-langage de Qwen, sorti le 22 septembre 2025. Ses 4 milliards de paramètres, sa licence Apache 2.0 autorisant l’usage commercial et son positionnement très économique en font un modèle multimodal orienté vers un déploiement accessible.
Le modèle traite le texte, les images, les longues vidéos et les documents. Il prend aussi en charge l’OCR dans 32 langues, l’interaction avec des interfaces PC et mobiles, ainsi que la génération de Draw.io, HTML, CSS et JavaScript à partir d’images ou de vidéos. Il est utilisable avec Hugging Face Transformers et ModelScope.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Alibaba Cloud / Qwen Team |
| Poids | 🟢 Poids ouverts · usage commercial autorisé |
| Licence | Apache 2.0 |
| Date de sortie | 22 septembre 2025 |
| Multimodal | oui |
| Paramètres | 4 milliards |
| Fenêtre de contexte | 262 144 tokens |
| Modalités (entrée → sortie) | text,image → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| DocVQAtest | 95,3 % | 7ᵉ / 11 | llm-stats | Auto-déclaré |
| ScreenSpot | 94,0 % | 8ᵉ / 16 | llm-stats | Auto-déclaré |
| OCRBench | 88,1 % | 11ᵉ / 22 | llm-stats | Auto-déclaré |
| MMBench-V1.1 | 85,1 % | 13ᵉ / 18 | llm-stats | Auto-déclaré |
| AI2D | 84,1 % | 25ᵉ / 32 | llm-stats | Auto-déclaré |
| WritingBench | 82,5 % | 14ᵉ / 15 | llm-stats | Auto-déclaré |
| IFEval | 82,3 % | 49ᵉ / 65 | llm-stats | Auto-déclaré |
| MMLU-Redux | 81,5 % | 38ᵉ / 48 | llm-stats | Auto-déclaré |
| InfoVQAtest | 80,3 % | 12ᵉ / 12 | llm-stats | Auto-déclaré |
| MMLU | 77,2 % | 70ᵉ / 98 | llm-stats | Auto-déclaré |
| CC-OCR | 76,2 % | 17ᵉ / 18 | llm-stats | Auto-déclaré |
| CharXiv-D | 76,2 % | 15ᵉ / 16 | llm-stats | Auto-déclaré |
| MLVU-M | 75,3 % | 6ᵉ / 8 | llm-stats | Auto-déclaré |
| MathVista-Mini | 73,7 % | 18ᵉ / 23 | llm-stats | Auto-déclaré |
| RealWorldQA | 70,9 % | 20ᵉ / 25 | llm-stats | Auto-déclaré |
| MMStar | 69,8 % | 16ᵉ / 22 | llm-stats | Auto-déclaré |
| MVBench | 68,9 % | 16ᵉ / 17 | llm-stats | Auto-déclaré |
| MMMU (val) | 67,4 % | 8ᵉ / 11 | llm-stats | Auto-déclaré |
| MMLU-Pro | 67,1 % | 90ᵉ / 125 | llm-stats | Auto-déclaré |
| BLINK | 65,8 % | 10ᵉ / 13 | llm-stats | Auto-déclaré |
| MuirBench | 63,8 % | 9ᵉ / 11 | llm-stats | Auto-déclaré |
| OCRBench-V2 (en) | 63,7 % | 7ᵉ / 12 | llm-stats | Auto-déclaré |
| BFCL-v3 | 63,3 % | 18ᵉ / 19 | llm-stats | Auto-déclaré |
| Include | 61,4 % | 25ᵉ / 31 | llm-stats | Auto-déclaré |
| LiveBench 20241125 | 60,9 % | 14ᵉ / 14 | llm-stats | Auto-déclaré |
| ScreenSpot Pro | 59,5 % | 14ᵉ / 23 | llm-stats | Auto-déclaré |
| MMLU-ProX | 59,4 % | 26ᵉ / 32 | llm-stats | Auto-déclaré |
| Hallusion Bench | 57,6 % | 14ᵉ / 16 | llm-stats | Auto-déclaré |
| OCRBench-V2 (zh) | 57,6 % | 10ᵉ / 11 | llm-stats | Auto-déclaré |
| LVBench | 56,2 % | 16ᵉ / 23 | llm-stats | Auto-déclaré |
| VideoMMMU | 56,2 % | 26ᵉ / 26 | llm-stats | Auto-déclaré |
| CharadesSTA | 55,5 % | 10ᵉ / 12 | llm-stats | Auto-déclaré |
| MMMU-Pro | 53,2 % | 54ᵉ / 64 | llm-stats | Auto-déclaré |
| MathVision | 51,6 % | 27ᵉ / 32 | llm-stats | Auto-déclaré |
| ODinW | 48,2 % | 5ᵉ / 16 | llm-stats | Auto-déclaré |
| SimpleQA | 48,0 % | 16ᵉ / 45 | llm-stats | Auto-déclaré |
| AIME 2025 | 46,6 % | 99ᵉ / 108 | llm-stats | Auto-déclaré |
| ERQA | 41,3 % | 21ᵉ / 22 | llm-stats | Auto-déclaré |
| SuperGPQA | 40,3 % | 32ᵉ / 34 | llm-stats | Auto-déclaré |
| CharXiv-R | 39,7 % | 45ᵉ / 45 | llm-stats | Auto-déclaré |
| LiveCodeBench v6 | 37,9 % | 52ᵉ / 53 | llm-stats | Auto-déclaré |
| HMMT25 | 30,7 % | 25ᵉ / 25 | llm-stats | Auto-déclaré |
| PolyMATH | 28,8 % | 21ᵉ / 23 | llm-stats | Auto-déclaré |
| OSWorld | 26,2 % | 18ᵉ / 20 | llm-stats | Auto-déclaré |
| MM-MT-Bench | 7,5 % | 16ᵉ / 17 | llm-stats | Auto-déclaré |
« 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
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| deepinfra | 0,1 $ | 0,6 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 95 % en dessous de la moyenne des LLM similaires, et 55 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).
Notre analyse
Forces. Qwen3 VL 4B Instruct associe un format relativement compact à une fenêtre de contexte de 262 144 tokens, avec une extension possible jusqu’à 1M. Interleaved-MRoPE, DeepStack et l’alignement entre texte et horodatage soutiennent le raisonnement sur la vidéo et l’association entre images et texte. Sa perception spatiale, son OCR multilingue et sa capacité à interpréter des interfaces élargissent ses usages à l’analyse documentaire, aux longues vidéos et à l’automatisation visuelle. Son principal avantage reste économique : ses tarifs se situent 95% sous la moyenne des LLM similaires et environ 55 fois sous ceux des modèles frontière. La licence Apache 2.0 autorise en outre les usages commerciaux.
Limites et points d’attention. À sa sortie, le modèle se situait dans les 64% les mieux classés parmi les LLM de sa génération sur MMLU-Pro. Ce résultat le place loin du groupe de tête en connaissances générales et en raisonnement, malgré ses fonctions multimodales étendues. L’évaluation disponible repose sur une seule source de données concordante, ce qui limite la portée des comparaisons. Qwen3 VL 4B Instruct convient surtout aux usages multimodaux sensibles au coût, notamment l’OCR, l’analyse de documents ou de vidéos et l’interaction avec des interfaces.
Sources des données : LLM-Stats (llm-stats.com).