Qwen3-VL 补上 2B 和 32B 两档

选模型最费时间的时刻，不是没有可选，而是可选太多，且每一档都差一点点。

一、发生了什么

10 月 22 日，通义千问团队发布了 Qwen3-VL 家族的两款稠密模型，参数分别是 2B 和 32B。加上这两款，这个系列的开源模型总数来到 24 个。

整个家族的结构是这样的：稠密结构有四档，2B、4B、8B、32B；混合专家结构有两款，30B-A3B 和 235B-A22B；参数跨度从 20 亿到 2350 亿。每一个开源模型都提供两种版本，Instruct 偏指令跟随，Thinking 偏推理。为降低部署门槛，团队还同步放出了 12 款 FP8 量化版本，官方说法是精度几乎不损失，显存占用和推理延迟明显下降。所有开源权重都能在魔搭社区和 Hugging Face 免费下载，且允许商业使用。

二、跟你有什么关系

做端侧产品的人：2B 这一档是这次的重点。它小到可以进平板、车机和工控设备，视觉能力却和上一代中档模型接近。之前只能做纯文本的硬件，现在可以加拍照问答。

做企业应用的人：32B 补的是「不上云也能接受」的中间档。它比 8B 更能读懂表格和长文档，又比 235B 便宜得多，适合放在一台八卡机上做私有部署。

做算法选型的人：24 个模型的代价是选型成本。别从最大的开始试，从你能承受的显存上限往回退，通常能省一半时间。记住 Instruct 和 Thinking 是两套行为，不能混着评估。

做集成的人：FP8 那 12 个版本是为部署准备的，不是为效果准备的。你现在跑的推理框架如果不支持 FP8 权重，先解决框架，再谈换模型。

三、怎么判断

1. 先定部署位置。端侧或单卡选 2B、4B；一台服务器内选 8B、32B；只有需要接近闭源效果时才考虑 235B。
2. 再定任务类型。抽取、分类、结构化输出用 Instruct；多步推理、图表分析、数学题用 Thinking，但要接受更长的输出和更高的成本。
3. 最后试 FP8。如果你的卡支持，优先用量化版跑一轮，对比原版在你自己数据上的差异。差异小于业务容忍度就用量化版，显存省下来可以提并发。

四、三个别信的说法

模型数量多代表周边成熟。 24 个里有相当一部分是同架构的不同尺寸和不同训练阶段，属于一条产品线的细分，不是 24 个独立能力。真正要看的是微调和部署工具跟不跟得上，以及社区里有没有人真的在用。

2B 能替代 8B。 小模型在单图问答上进步很大，但涉及多图对比、密集文字、长视频时仍会明显掉。把 2B 用在文档识别这类任务上，错误率会高到需要人工兜底。

允许商用就等于没有约束。 权重许可和模型卡里的使用限制是两回事，部分场景仍有额外要求。上线前把许可文件交给法务过一遍，比事后补救便宜。另外别把「免费下载」理解成「免费使用成本为零」，自建推理的机器钱要自己出。

五、一句话结论

这一轮补档的真实意义，是让「按显存选模型」成为一条能走通的路径，而不是每次都去赌最大的那个。

信息来源

• Qwen3-VL 新增 2B 与 32B 稠密模型，2026-10-22

功能与价格以官方公告为准。本文写于 2026 年 10 月 23 日。