阿里巴巴发布 Qwen3-VL 技术报告，详细介绍两小时视频分析
阿里巴巴的 Qwen 团队于 11 月 26 日发布了 Qwen3-VL 技术报告，提供了对开放源代码视觉语言模型的详细文档，该模型于 9 月首次发布。由 64 位作者撰写的论文揭示，该系统可以在 256,000 个标记的上下文窗口内处理两小时的视频，同时保持近乎完美的准确性来定位特定的帧。旗舰 Qwen3-VL-235B-A22B 模型在“寻找针在 haystack 中”的测试中实现了 100% 的准确率，当搜索 30 分钟的视频时，并且即使在扫描包含大约一百万个标记的两小时视频时，也保持了 99.5% 的准确率。测试方法是在长视频的随机位置插入一个语义上有意义的“针”帧，然后挑战模型定位和分析该特定帧。这种能力将 Qwen3-VL...
