編輯 | 聽(tīng)雨

出品 | 51CTO技術(shù)棧（微信號(hào)：blog51cto）

就在今天，通義千問(wèn)發(fā)布了Qwen3-VL官方指南，并將其稱(chēng)為“Cookbooks”烹飪書(shū)。

圖片

這本“烹飪書(shū)”可謂讓用戶告別“魔咒”。因?yàn)閷?duì)于強(qiáng)大的AI模型，尤其是多模態(tài)模型，我們常常需要反復(fù)嘗試、精心設(shè)計(jì)非常復(fù)雜和精確的指令（即“提示詞”），才能讓模型輸出理想的結(jié)果。

這個(gè)過(guò)程就像念一句復(fù)雜且不能出錯(cuò)的“魔法咒語(yǔ)”一樣，門(mén)檻高且令人困擾。這就是所謂的“提示詞魔咒”。

“烹飪書(shū)”提供了大量即拿即用的代碼范例和最佳實(shí)踐，相當(dāng)于把現(xiàn)成的、已經(jīng)驗(yàn)證有效的“咒語(yǔ)”直接交給了用戶。有了這本指南，你就不再需要為如何“念咒”而頭疼了。

1.什么是“Qwen3-VL烹飪書(shū)”？

這本“烹飪書(shū)”其實(shí)就是一份“代碼筆記/指南合集”，里面提供了從基礎(chǔ)到進(jìn)階的詳細(xì)范例。

圖片

它的核心特點(diǎn)主要在于三個(gè)：

①全面性：覆蓋從“思考”到“行動(dòng)”的12大核心場(chǎng)景。

②實(shí)用性：提供本地部署和API調(diào)用兩種方式，滿足不同用戶需求。

③開(kāi)源與開(kāi)放：引導(dǎo)至GitHub，鼓勵(lì)社區(qū)學(xué)習(xí)和貢獻(xiàn)。

2.這本“烹飪書(shū)”里有哪些“招牌菜”？

Omni Recognition（全能識(shí)別）+3D Grounding（3D空間定位）+ Video Understanding（視頻理解），能夠?qū)⒛Ｐ偷淖R(shí)別能力從2D圖片擴(kuò)展到3D空間和動(dòng)態(tài)視頻，實(shí)現(xiàn)了對(duì)物理世界更立體的感知。

例如官方給出的omni_reconition例子，Qwen3-VL能夠輕松識(shí)別出圖片中每個(gè)動(dòng)漫人物的名字：

圖片

圖片

包括動(dòng)物、食物、娛樂(lè)明星等等也是不在話下：

圖片

圖片

而Qwen3-VL的OCR能力則可以準(zhǔn)確識(shí)別各種復(fù)雜場(chǎng)景下的文字，從中精準(zhǔn)抓取你關(guān)心的核心數(shù)據(jù)。

開(kāi)發(fā)票就是大家最常見(jiàn)的場(chǎng)景，它可以輕松識(shí)別其中的關(guān)鍵字段：

圖片

圖片

像易拉罐和食品包裝袋上的文字，官方展示Qwen3-VL也可以輕松識(shí)別：

圖片

圖片

Qwen3-VL的長(zhǎng)文檔解析能力也達(dá)到了更高水平，能夠直擊辦公和學(xué)習(xí)痛點(diǎn)。比如解析長(zhǎng)篇PDF和PPT，它就可以幫上你的忙： 

圖片

圖片

3.對(duì)我們來(lái)說(shuō)意味著什么？

此次通義千問(wèn)官方發(fā)布Qwen3-VL的“烹飪書(shū)”，對(duì)于懂技術(shù)的開(kāi)發(fā)者或不懂技術(shù)的普通用戶來(lái)說(shuō)，都是一個(gè)利好消息。

對(duì)開(kāi)發(fā)者而言，它可以大幅縮短開(kāi)發(fā)周期，提供了現(xiàn)成的“輪子”；對(duì)于用戶來(lái)說(shuō)，也可以便捷地體驗(yàn)到多模態(tài)AI的魅力，降低使用門(mén)檻。

這里小編也幫大家找到了相關(guān)鏈接，可以自?。?/p>

GitHub：https://github.com/QwenLM/Qwen3-VL/tree/main/cookbooks

API：https://www.alibabacloud.com/help/en/model-studio/vision

那么評(píng)論區(qū)的各位大佬們：對(duì)于Qwen3-VL，你最想用哪個(gè)功能來(lái)解決你工作或生活中的什么問(wèn)題？