|
十一，AI圈想放假是不可能的！ 千问，刚刚又开源了Qwen3-VL-30B-A3B模型，依旧两个版本Instruct和Thinking，感觉Qwen应该是听到了我的许愿，哈哈哈哈~  同时还有对应的FP8模型，也就是说两张4090就能跑了，真贫民福利！ HF：https://huggingface.co/collections/Qwen/qwen3-vl-68d2a7c1b8a8afce4ebd2dbe Qwen3-VL-30B-A3B模型的结构细节可看，等了大半年的Qwen3-VL终于也开源了！附模型细节&实测！  整体榜单上，Qwen3-VL-30B-A3B-Instruct大部分是优于Qwen2.5-VL-72B-Instruct的，  下面带来实测，懒人速览版： - Qwen3-VL-30B-A3B模型的整体智力较Qwen3-VL-235B-A22B差不少，也能理解，毕竟参数量，激活量在哪儿摆着呢；
- 跟Qwen3-VL-30B-A3B不同，Qwen3-VL-30B-A3B的Think版本的图像理解、计算能力更强；
- 图片排序，think强一些，instruct不太行；
- 数学做题Qwen3-VL-30B-A3B很强，甚至有的比Qwen3-30B-A3B强；
OCR识别考察多模态大模型的内容提取能力，为了增加难度，上手写体。 Prompt：请识别图中的文本内容，言简意赅。  Qwen3-VL-30B-A3B：回答正确  内容理解考察多模态大模型提取图片内容，理解内容能力， Prompt：我今天喝了这个果汁会怎么样  Qwen3-VL-30B-A3B：回答正确  表格识别考察多模态大模型的内容提取和指令跟随能力，需要将表格图片用HTML进行还原。  Qwen3-VL-30B-A3B：回答错误  网页复刻考察多模态大模型网页还原、审美和代码能力。 Prompt：请帮我1：1还原这个网页内容，用HTML呈现。  Qwen3-VL-30B-A3B：不是很好，有一些奇怪  报告分析考察多模态大模型的内容理解能力、知识储备的能力。 Prompt：请帮我解读一下报告内容。  Qwen3-VL-30B-A3B：解读正确  理解计算考察多模态大模型的内容理解能力、计算能力。 Prompt：找到2024年GDP值最大的省份，并且计算占全国GDP的百分之多少？ 2024年总和=1340312.8  Qwen3-VL-30B-A3B-Instruct：广东找对，但最终计算错误  Qwen3-VL-30B-A3B-Thinking：都正确  目标识别考察多模态模型对事物的识别能力，让模型判断事物是否准确、或者查东西的个数。 Prompt：告诉我桌子上菇娘儿的个数。  Qwen3-VL-30B-A3B：回答正确  Grouding查看模型定位能力，之前纯文本输出找不到的内容，grouding是可以找到的 Prompt：找出图片中奔跑的人，以JSON格式返回边界框坐标。  Qwen3-VL-30B-A3B：  但是小恐龙还是找不到，  数学做题考察多模态大模型的数学能力，测试2025年高考题。 Prompt：解题  Qwen3-VL-30B-A3B：回答正确，最后一问也回答对了  图片排序多模态模型能否理清多张图片之间逻辑关系的，能否理解世界事件发展的规律。 Prompt：根据图中显示的多个场景，将最有可能发生的事件按顺序排列。 正确答案CADB，走到商店，买雪糕，滑倒，打到脸上  Qwen3-VL-30B-A3B-Instruct：回答错误  Qwen3-VL-30B-A3B-Thinking：回答正确  Prompt：根据图中显示的多个场景，将最有可能发生的事件按顺序排列。 正确答案CDAB，有蘑菇，采摘并吃掉，有点晕，产生了幻觉蘑菇会走了  Qwen3-VL-30B-A3B：回答不不对，没有235B理解的好  空间逻辑考察多模态模型在理解图片的基础上进行深度的逻辑分析。 Prompt：请回答。 正确答案为A。  Qwen3-VL-30B-A3B：回答错误，同时回答长了之后，依旧会出现中英文夹杂的现象。  空间变换考察多模态模型对图像的空间转换能力。 Prompt：请回答。  Qwen3-VL-30B-A3B-Instruct：回答错误  Qwen3-VL-30B-A3B-Thinking：回答正确，可以正确识别主视图  色盲测试考察多模态大模型对颜色的识别能力。 Prompt：图片里有数字吗？如果有的话是什么？ 正常者能读出６，红绿色盲者及红绿色弱者读成 5，而全色弱者则全然读不出上述的两个字。  Qwen3-VL-30B-A3B：回答正确  将图片翻转，也能识别正确，   最后想说，Qwen还是开源的Top， 30B-A3B这个模型，虽然在一些能力上，较更大模型有差距， 但它小呀，30B的Moe，只激活3B，在端侧用起来会很舒服， 并且，效果不好的地方，我也能微调了，不像235B，我只能远远的望着。 这个十一，卷飞边子了， | 
