本模型为qwen-vl-plus的2025年05月07日快照版本。基于qwen2.5训练，相较上一版模型在数学能力、推理能力、安防/个人摄像头场景识别方面有所提升。

本模型为qwen-vl-plus的2025年07月10日快照版本。大幅提升在IPC领域的视觉理解能力，万物识别效果提升、幻觉减少；同时在通用能力上接近Qwen2.5-VL-32B水平。

本模型为qwen-vl-plus的2025年08月15日快照版本。在通用能力上接近Qwen2.5-VL-32B水平；在万物识别和人物识别效果上有提升、在RealWorld场景下的识别准确率提升，幻觉减少。

通义千问大规模视觉语言模型。大幅提升细节识别能力和文字识别能力，支持超百万像素分辨率和任意长宽比规格的图像。在广泛的视觉任务上提供卓越的性能。本模型是动态更新版本，模型更新不会提前通知。

通义千问VL-Plus（qwen-vl-plus），即通义千问大规模视觉语言模型增强版。大幅提升细节识别能力和文字识别能力，支持超百万像素分辨率和任意长宽比规格的图像。在广泛的视觉任务上提供卓越的性能。

通义千问VL-Max-0809（qwen-vl-max-0809），即通义千问大规模视觉语言模型增强版。大幅提升细节识别能力和文字识别能力，支持超百万像素分辨率和任意长宽比规格的图像。在广泛的视觉任务上提供卓越的性能，本次更新上下文支持32k，增强图像理解和视觉推理能力，可以更好地识别图片中的多语言文字和手写体的文字，并集成视觉agent能力，本模型为2024年8月9日的快照版本，期维护到下个快照版本发布时间（待定）后一个月。

通义千问VL-Max-1230（qwen-vl-max-1230），即通义千问大规模视觉语言模型增强版。大幅提升细节识别能力和文字识别能力，支持超百万像素分辨率和任意长宽比规格的图像。在广泛的视觉任务上提供卓越的性能，本模型为2024年12月30日的快照版本。

通义千问VL-Max-1119（qwen-vl-max-1119），即通义千问大规模视觉语言模型增强版。大幅提升细节识别能力和文字识别能力，支持超百万像素分辨率和任意长宽比规格的图像。在广泛的视觉任务上提供卓越的性能，本模型为2024年11月19日的快照版本。

通义千问VL-Max-1030（qwen-vl-max-1030），即通义千问大规模视觉语言模型增强版。大幅提升细节识别能力和文字识别能力，支持超百万像素分辨率和任意长宽比规格的图像。在广泛的视觉任务上提供卓越的性能，本模型为2024年10月30日的快照版本。

通义千问超大规模视觉语言模型。相比Plus，再次提升视觉推理能力和指令遵循能力，提供更高的视觉感知和认知水平。在更多复杂任务上提供最佳的性能。本模型是动态更新版本，模型更新不会提前通知。

通义千问VL-Max-2025-04-02（qwen-vl-max-2025-04-02），即通义千问大规模视觉语言模型增强版。大幅提升细节识别能力和文字识别能力，支持超百万像素分辨率和任意长宽比规格的图像。在广泛的视觉任务上提供卓越的性能，本模型为2025年04月02日的快照版本。

通义千问VL-Max-2025-01-25（qwen-vl-max-2025-01-25），即通义千问大规模视觉语言模型增强版。大幅提升细节识别能力和文字识别能力，支持超百万像素分辨率和任意长宽比规格的图像。在广泛的视觉任务上提供卓越的性能，本模型为2025年01月25日的快照版本。

数学能力和推理能力有所提升；回复风格面向人类偏好进行调整，模型回复详实程度和格式清晰度明显改善。本模型为2025年4月8日的快照版本。

视觉理解指标全面提升，数学能力、推理能力、万物识别和人物识别能力有所提升；多语言识别能力增强。本模型为2025年8月13日的快照版本。

通义千问VL-Max（qwen-vl-max），即通义千问超大规模视觉语言模型。相比增强版，再次提升视觉推理能力和指令遵循能力，提供更高的视觉感知和认知水平。在更多复杂任务上提供最佳的性能。