> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/models/ja/supported-models/qwen3-vl.md).

# Qwen3-VL

Qwen3-VL は Alibaba の視覚言語モデルです。画像とテキストプロンプトを受け取り、テキスト応答を返します。私たちは Qwen3-VL を当社の [Serverless Cloud API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api), [専用デプロイ](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments)、 [self-hosted Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted).

## Qwen3-VL API

{% stepper %}
{% step %}

### APIキーを取得する

Roboflow アカウントを作成し、 [Roboflow API 設定ページ](https://app.roboflow.com/settings/api) でキーを見つけ、シェルで利用できるようにします。

```bash
export ROBOFLOW_API_KEY="your-key-here"
```

{% endstep %}

{% step %}

### 依存関係をインストールする

以下をインストールします [Inference SDK](https://docs.roboflow.com/deployment/self-hosted/self-hosted):

```bash
pip install -U inference-sdk supervision
```

{% endstep %}

{% step %}

### モデルを実行する

このサンプルは、 `qwen3vl-2b-instruct` チェックポイントに画像の説明を求め、応答を出力します。

```python
import os
import supervision as sv
from inference_sdk import InferenceHTTPClient, InferenceConfiguration

image = sv.load_image_from_url("https://media.roboflow.com/quickstart/dog.jpeg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
).configure(InferenceConfiguration(api_key_transport="header"))
result = client.infer_lmm(
    image,
    model_id="qwen3vl-2b-instruct",
    prompt="この画像を簡単に説明してください。",
    max_new_tokens=128,
)
print(result["response"] )
```

{% endstep %}
{% endstepper %}

上記のコードは、モデルの応答をターミナルに出力します：

```
白いTシャツと赤いショーツを着た男性が、肩にビーグル犬を乗せて運んでいます。犬は黒いハーネスを着けており、前方を見ています。男性は住宅街の舗装された道を歩いており、背景には集合住宅の建物があります。左側には緑の芝生と白い花のある小さな庭があります。
```

<figure><img src="/files/56350ab4b0e2432336c9de6411e728110b1145fd" alt=""><figcaption></figcaption></figure>

## Qwen3-VL の推論速度

次で測定したレイテンシー [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) 1 台の NVIDIA L4、バッチサイズ 1、固定プロンプトから greedy decoding でちょうど 128 トークンを生成した条件で測定。レイテンシは出力長に比例するため、他の長さの見積もりには tokens/sec を使用してください。

<table data-search="false"><thead><tr><th>別名</th><th>レイテンシ、128トークン（ms）</th><th>トークン/秒</th></tr></thead><tbody><tr><td><code>qwen3vl-2b-instruct</code></td><td>4057</td><td>32</td></tr><tr><td><code>qwen25-vl-7b</code></td><td>5603</td><td>23</td></tr></tbody></table>

`qwen25-vl-7b` は以前の Qwen2.5-VL チェックポイントです。これはこの別名の名前空間を共有し、同じブロックを通じて実行されるため、ここに記載されています。

{% hint style="info" %}
設定する `api_url` をデプロイ先に合わせます:

* `https://serverless.roboflow.com` サーバーレスクラウドAPI用。
* `http://localhost:9001` ローカルの [Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) サーバー用。
* あなたの [Dedicated Deployment](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments) プライベートエンドポイント用のURL。
  {% endhint %}

Roboflow で独自の Qwen3-VL チェックポイントを学習し、モデルごとの `{workspace}/{model-slug}` IDに置き換えてください（ [バージョン、トレーニング、モデル](/models/ja/versions-trainings-and-models.md)).