parasail/parasail-qwen25-vl-72b-instruct

该模型属于 Qwen-VL 方向的视觉语言指令模型，发布日期为 2025-02-01，主打把图像与文本指令结合后输出文本结果。它提供 32768 tokens 上下文窗口与 8192 tokens 单次最大输出，支持工具调用和结构化输出，可用于图文问答、图片信息抽取、带图工单处理和流程自动化。官方输入、输出、缓存读均为 $0.7/百万tokens，现有 Requesty 报价与官方一致。需要注意，厂商信息未明确，第三方跑分也未收录，选型时应以任务实测和价格对比为主。

选型建议需要图文理解、工具调用和结构化输出且能接受中等偏上价格时可选它；只做纯文本高并发或追求更低单价时不宜作为首选。

• 识别商品图片中的文字与关键信息，整理为结构化字段供审核或上架使用
• 结合票据截图回答金额、日期等问答，并调用工具写入业务系统
• 处理带图工单并分类摘要，输出固定 JSON 供工单流转
• 理解用户上传的截图，再生成客服回复或触发查询动作
• 抽取海报、表格或界面截图中的要素，生成可校验的结构化结果

从命名与模态看，它属于 Qwen-VL 系列中面向图文输入的指令模型；公开资料对具体网络结构披露有限。

• 结构支持文本与图像输入、文本输出，适合把图片内容和文字指令合并处理；具体视觉编码器与语言主干未在事实中披露。
• 能力具备工具调用与结构化输出，便于把多模态理解接入函数调用、表单抽取或流程编排。
• 披露上下文窗口为 32768 tokens，单次最大输出为 8192 tokens；更细的层数、注意力机制等公开资料较少。

开源权重

—

模型家族

—

许可证

—

参数规模

—

公开跑分未收录，以下判断以模态、上下文和功能特性为主，不涉及具体分数。

• 强项图文输入配合工具调用和结构化输出，适合需要图片理解后再执行函数或生成固定字段的任务。
• 短板没有公开跑分可验证，且上下文与单次输出相对常见长上下文模型不算突出，超长文档或复杂多图任务需谨慎。
• 适合电商图文审核、票据信息抽取、带图问答与流程自动化等场景，对纯文本超长推理要求不高的任务更匹配。

官方输入、输出与缓存读均为 $0.7/百万tokens，现有 Requesty 报价与官方一致；在列出的同类样本中处于中位附近。

• 定价输入、输出、缓存读同价，均为 $0.7/百万tokens，账单结构简单，缓存命中不会带来额外折扣。
• 横向对比输入价高于 mistral/open-mistral-7b、phi-4 与 azure/decision-1，低于 deepseek-r1-distill-llama-70b 和 deepseek_v3。
• 平台差价现有报价中 Requesty 与官方价持平，未看到其他平台报价，渠道选择空间有限。
• 省钱若任务以图片理解为主，控制输出长度并复用固定提示词比依赖缓存降价更实际；纯文本大批量任务可对比更低价的同类模型。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 $0.7/M / $0.7/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径第三方跑分未收录，厂商信息未明确，能力判断只能依据模态、上下文、价格与功能项。
• 边界上下文 32768 tokens、单次输出 8192 tokens，超长文档、多图长对话或超长生成需要拆分处理。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。