qwenlm/qwen3-vl 是由 Qwen 团队与阿里云开发的 Qwen3-VL 视觉-语言模型系列的官方仓库。它同时处理文本与视觉输入，仓库标注为 Apache-2.0 许可证。本条 FACTS 未记录最新发布版本，因此无法说明具体版本或新的变更。
README 介绍了在文本理解与生成、图像与视频的视觉感知与推理、长上下文理解、空间感知与智能体交互方面的支持。它说明模型结构分为 Dense 与 MoE，并提供 Instruct 与 Thinking 两种版本。它涵盖从图像和视频中进行代码生成，并提出支持 32 种语言的光学字符识别（OCR），即读取图像中文字的功能。此外还提及位置判断与三维空间推理，以及 GUI 操作，因此其范围延伸到基于视觉信息与屏幕交互的用途。
不过，这些功能描述属于 README 中写明的范围，所提供的 FACTS 中没有可用于确认性能的基准测试或验证条件。也没有给出按时长和输入长度划分的结果，因此难以判断实际性能的边界。该仓库记录了 20,089 个 star，但没有新颖性、技术与质量分数，动量分数为 3.6。因此功能范围虽被广泛呈现，但对实际性能的判断应仅凭现有资料保持保留。