Qwen3-VL

Qwen3-VL 是阿里巴巴的视觉语言模型，原生支持 2D grounding。LibreYOLO 把它包装成一个开放词汇目标检测器，并直接暴露它的自由形式对话：给一份类别列表就做检测，或者直接问它一个问题。

任务: detection
尺寸: 2b, 4b, 8b at 1024 px
安装: pip install libreyolo
支持层级: 兄弟层级，自 v 起。一个独立的产品面，有自己的工厂和契约。
上游: Qwen3-VL，由 Alibaba (Qwen Team) 发布，采用 Apache-2.0 许可。论文、源码
许可: 代码采用 MIT，权重采用 Apache-2.0。商用

安装

Qwen3-VL 属于 LibreYOLO 的「VLM 当检测器」这一层，它和那些基于检查点（checkpoint）的家族是相互独立的两块产品面，有自己的工厂。它需要 vlm extra。

bash

pip install "libreyolo[vlm]"

预测

权重在首次使用时从 Hugging Face 下载，并缓存在本地。LibreVLM() 不带参数调用时默认是 Qwen3-VL-4B。

Python

from libreyolo import LibreVLM, SAMPLE_IMAGE model = LibreVLM("qwen3-vl-4b")model.set_classes(["forklift", "pallet", "safety vest"])result = model.predict(SAMPLE_IMAGE, save=True) for box in result.boxes:    print(box.cls, box.conf, box.xyxy)

对话

from libreyolo import LibreVLM, SAMPLE_IMAGE model = LibreVLM("qwen3-vl-4b") # 检测这层便利封装底下的逃生口：任何问题都可以问，# 不只是检测框查询answer = model.chat(SAMPLE_IMAGE, "How many people are wearing a safety vest?")print(answer)

这个家族通过 LibreVLM() 工厂加载，而不是 LibreYOLO()：VLM 家族不声明检查点加载器，所以其他模型页面上讲的那套按文件后缀路由在这里不适用。set_classes() 设定要让 Qwen3-VL 去找的词汇表；它粘住不放，会在之后每一次 predict()/track() 调用里一直生效，直到你再设一次。每个检测结果带的都是同一个占位置信度，所以按 conf 过滤是全有或全无，而不是一种排序；iou 对这个家族确实有作用，一旦后出现的同类别检测框和某个已经保留下来的框重叠超过阈值，它就会被丢掉，因为一个会重复输出的生成器可能会对同一个物体吐出近乎重复的检测框。和 Florence-2、Kosmos-2 不同，Qwen3-VL 还能通过 chat() 回答自由形式的问题，也就是 LibreVLM 工厂那一页上写的同一个逃生口。LibreYOLO 的 CLI 不覆盖这一层：它没有 libreyolo predict model=... 这种形式。数据源、流式处理和结果处理见预测。

变体

三种尺寸：Qwen3-VL-2B-Instruct、Qwen3-VL-4B-Instruct 和 Qwen3-VL-8B-Instruct，分别用 LibreVLM("qwen3-vl-2b")、LibreVLM("qwen3-vl-4b") 和 LibreVLM("qwen3-vl-8b") 加载。三者都声明 1024 px 的标称输入，但实际传给网络的画布由 Qwen 处理器自己的 smart-resize 决定，所以这个数字并不像本站其他家族那样是一个固定的工作分辨率。LibreYOLO 还没有发布过比较这三种尺寸精度的基准测试。

LibreYOLO 不训练、不验证、也不导出 Qwen3-VL：train()、val() 和 export() 对这一层里的每个家族都抛出 NotImplementedError（见上面的支持层级）。如果你需要把一份自定义词汇表固化进模型，就在上游微调 Qwen3-VL，再加载得到的权重；用肉眼检查 predict() 的输出，而不是跑一遍 COCO 式的验证，因为每个检测结果带的都是同一个占位置信度。

许可证

请检查你所下载的具体权重在 Hugging Face 仓库中的许可。LibreYOLO 组织里的每个检查点都附有许可，同一家族内也不一定相同。该仓库是权威来源；以下摘要说明本页上次验证时适用的情况。

这里只说明涉及的许可证，不构成法律意见。如果答案对商用很重要，请自行阅读许可证并咨询法律顾问。

原始工作: Qwen3-VL, Alibaba (Qwen Team)
上游许可: Apache-2.0
上游来源: github.com/QwenLM/Qwen3-VL
LibreYOLO 代码: MIT
权重: 采用 Apache-2.0 许可，由作者分发。LibreYOLO 不托管或镜像这些权重。
解读: Apache-2.0 is a permissive license, so these weights can be used in commercial and closed-source products. It asks you to keep its license text and attribution notices with any copy of the weights you redistribute, and it grants a patent license. All three sizes LibreYOLO downloads, Qwen3-VL-2B-Instruct, Qwen3-VL-4B-Instruct and Qwen3-VL-8B-Instruct, carry this license on their Hugging Face repository.

引用

@article{Qwen3-VL,
      title={Qwen3-VL Technical Report}, 
      author={Shuai Bai and Yuxuan Cai and Ruizhe Chen and Keqin Chen and Xionghui Chen and Zesen Cheng and Lianghao Deng and Wei Ding and Chang Gao and Chunjiang Ge and Wenbin Ge and Zhifang Guo and Qidong Huang and Jie Huang and Fei Huang and Binyuan Hui and Shutong Jiang and Zhaohai Li and Mingsheng Li and Mei Li and Kaixin Li and Zicheng Lin and Junyang Lin and Xuejing Liu and Jiawei Liu and Chenglong Liu and Yang Liu and Dayiheng Liu and Shixuan Liu and Dunjie Lu and Ruilin Luo and Chenxu Lv and Rui Men and Lingchen Meng and Xuancheng Ren and Xingzhang Ren and Sibo Song and Yuchong Sun and Jun Tang and Jianhong Tu and Jianqiang Wan and Peng Wang and Pengfei Wang and Qiuyue Wang and Yuxuan Wang and Tianbao Xie and Yiheng Xu and Haiyang Xu and Jin Xu and Zhibo Yang and Mingkun Yang and Jianxin Yang and An Yang and Bowen Yu and Fei Zhang and Hang Zhang and Xi Zhang and Bo Zheng and Humen Zhong and Jingren Zhou and Fan Zhou and Jing Zhou and Yuanzhi Zhu and Ke Zhu},
	  journal={arXiv preprint arXiv:2511.21631},
      year={2025}
}

复制自作者在 github.com/QwenLM/Qwen3-VL#citation 上提供的引用块。