IA no seu PC · Visão
Qwen3-VL
O Qwen3-VL é a família de modelos de visão da Alibaba: entende fotos, prints, documentos escaneados e gráficos e responde perguntas sobre eles. Um dos usos mais práticos é ler notas, recibos e documentos (OCR) direto no seu computador.
memória necessária
roda em PC com 8 GB de RAM (versão 2B ou 4B)
Para baixar com o Ollama: ollama run qwen3-vl
O que é
O Qwen3-VL é um modelo de visão e linguagem (vision-language) da equipe Qwen, da Alibaba. Ele recebe imagens junto com texto e responde sobre o que vê. Segundo o catálogo, há versões de 2B, 4B, 8B, 30B, 32B e 235B.
No que ele é bom
Lê textos em imagens (OCR), descreve fotos, interpreta gráficos e documentos escaneados. A página oficial destaca OCR em 32 idiomas, com bom desempenho em fotos tortas, borradas ou com pouca luz, e leitura de documentos longos. Também cita entendimento de vídeo e capacidade de operar telas de computador e celular.
passo a passo para começar
- Instale o Ollama a partir do site ollama.com, se ainda não tiver.
- Abra o Ollama e procure o modelo qwen3-vl na lista, escolhendo a versão que cabe no seu computador.
- Aguarde o download terminar, pois o arquivo pode ter vários gigabytes.
- Use um aplicativo com suporte a imagens, como o chat do Ollama, o LM Studio ou o Cherry Studio, para anexar a foto.
- Faça um primeiro teste, por exemplo: envie a foto de um recibo e peça o valor total e a data.
- Confira os valores extraídos com o documento original.
Meu computador roda?
Pelo catálogo, as versões 2B ou 4B rodam em PC com 8 GB de RAM. Versões maiores exigem placa de vídeo ou bastante memória. Processar imagens é mais pesado que texto, então espere respostas um pouco mais lentas.
Licença e uso comercial
O Qwen3-VL usa a licença Apache 2.0, segundo o catálogo e a página oficial. Ela permite uso comercial. Mesmo assim, mantenha os avisos de licença ao redistribuir.
Limites e cuidados
A leitura de documentos pode errar números e letras, principalmente em imagens ruins. Confira valores de notas e recibos antes de lançar no sistema. Documentos com dados pessoais devem ser tratados com cuidado, mesmo localmente.
na sua empresa
- Ler fotos de notas e recibos para organizar despesas sem enviar os documentos para serviços online.
- Descrever fotos de produtos para montar textos de catálogo ou anúncios.
- Interpretar prints de gráficos e relatórios, explicando os números em linguagem simples.
dúvidas comuns
Ele lê documentos em português?
A página oficial cita OCR em 32 idiomas. Teste com seus documentos para conferir a qualidade.
Qual versão para um PC simples?
A 2B ou a 4B, com 8 GB de RAM, segundo o catálogo.
Posso usar comercialmente?
Sim. A licença Apache 2.0 permite.
termos explicados
- OCR (optical character recognition)
- Reconhecimento de texto em imagens, como ler uma nota fiscal fotografada.
- visão e linguagem (vision-language)
- Modelo que entende imagens e texto juntos.
- parâmetros (parameters)
- Medida do tamanho de um modelo de IA. O "B" significa bilhões: um modelo 8B tem cerca de 8 bilhões de parâmetros.
Quer ver a página oficial do modelo?
Texto escrito com apoio de IA a partir da página oficial e do catálogo do IAlfabeto. Versões e requisitos mudam rápido: confira a página oficial.