SprachmodellAktiv

Qwen 3 VL 8B Thinking

Alibaba

Veröffentlicht: 11. Oktober 2025
Datenstand: 8. September 2026

Benchmark-Meta-Score: Nicht berechenbar
Weniger als acht Testreihen
Geschwindigkeit: 113,1 Token/s
Ausgabe-Tempo
Preis: Kein aktueller Tarif
Historische Tarife unter Kosten
Eingabe: Text, Bild, Video
Ausgabe: Text

Qwen 3 VL 8B Thinking bringt den Denkmodus der Qwen3-VL-Familie in einen deutlich kleineren dichten Checkpoint. Es verarbeitet Text, Bilder und Videos und kann visuelle Hinweise in mehrstufige Antworten einbeziehen. Die Modellkarte nennt rund 8,2 Milliarden Parameter und 262.144 Token Kontext.

Qwen 3 VL 30B A3B Thinking ist die größere Variante mit derselben multimodalen Ausrichtung, aber einer MoE-Architektur statt eines dichten Modells.

Technische Daten und Zugang

Angabe	Wert und Quelle
Gewichte	Open WeightsQuelle
Zugang	LokalQuelle
Parameter	8,2 Mrd.Quelle
Kontextfenster	262.144 TokenQuelle
Modell-Repository	Qwen/Qwen3-VL-8B-ThinkingQuelle
Lizenz	Apache-2.0Quelle
Architektur	vision encoder + MLP vision-language merger + Qwen3 language model; dense or MoEQuelle
Eingabe	Text, Bild, VideoQuelle
Ausgabe	TextQuelle
Reasoning-Modus	thinkingQuelle
Werkzeugaufrufe	JaQuelle
Strukturierte Ausgabe	JaQuelle
Natives Kontextfenster	131.072 TokenQuelle
Maximales Kontextfenster	262.144 TokenQuelle
Sprachen	39 languages testedQuelle
Repository erstellt	2025-10-11 (Repository creation date is a precise publication proxy, but may differ from the public announcement date or an individual checkpoint's first availability.)Quelle

Benchmark-Metaanalyse

Gesamt- und Bereichsscores

Diese Gradually-Indizes ordnen ausgewählte veröffentlichte Messwerte auf einer Skala von 0 bis 100 ein. Sie sind keine Prozentgenauigkeit und keine Garantie für ein Ergebnis in deiner Anwendung.

Abrufstände der verwendeten Quellen 2026-10-19 - 2026-10-19

Gesamtindex

Noch nicht genug unabhängige Werte für einen Score

Ein Gesamtwert braucht mindestens acht Testreihen.

vorläufig

Die veröffentlichten Konfigurationen unterscheiden sich innerhalb dieser Vergleichskohorte. Den Index daher als vorläufig lesen.

Testreihen: 2
Testfamilien: 2 / 65
Quellen: 1
Anteil am festen Testpanel (informativ): 3 %

Allgemein

Index unter 1 / 100

vorläufig

Die veröffentlichten Konfigurationen unterscheiden sich innerhalb dieser Vergleichskohorte. Den Index daher als vorläufig lesen.

Standardfehler: ± 0,0
95-%-Intervall: 0,0 bis 0,0
Testreihen: 1
Testfamilien: 1 / 5
Quellen: 1
Anteil am festen Testpanel (informativ): 20 %

Multimodal

Index unter 1 / 100

vorläufig

Die veröffentlichten Konfigurationen unterscheiden sich innerhalb dieser Vergleichskohorte. Den Index daher als vorläufig lesen.

Standardfehler: ± 0,0
95-%-Intervall: 0,0 bis 0,0
Testreihen: 1
Testfamilien: 1 / 4
Quellen: 1
Anteil am festen Testpanel (informativ): 13 %

Dokumentierte Methode · Einbezogene Testfamilien und Messwerte

Methodenfassung: benchmark-meta-score-v3

Es zählen aktive Messwerte aus geprüften Primärquellen, wenn mindestens fünf Modelle im selben dokumentierten Vergleichsschnitt aus Datensatz, Harness, Agent, Werkzeugen und Versuchsanzahl verglichen werden. Pro Benchmark-Reihe und Auswerter zählt ein gemeinsamer Setup-Schnitt aus dem neuesten Abruf. Bei mehreren ausdrücklich erfassten Reasoning-Stufen derselben Quelle und Testreihe zählt die höchste dokumentierte Stufe (none bis max), nicht der höchste Ergebniswert. Die ausdrückliche Quellenangabe „Non-reasoning“ entspricht none. Unbekannte oder mehrdeutige Stufen führen zum Ausschluss des Modells aus der betreffenden Reihe. Innerhalb jeder Reihe werden Prozentwerte und Quoten logit-transformiert, andere Einheiten bleiben unverändert, und anschließend werden alle Werte standardisiert. Ein Ein-Faktor-Modell schätzt daraus eine gemeinsame Leistungsstärke je Modell und je Reihe, wie deutlich sie zwischen den Modellen trennt. Bereichswerte weichen davon nur so weit ab, wie die eigenen Ergebnisse im Bereich es belegen. Der Gesamtwert gewichtet die Kernbereiche mit 75 % und Finanzen, Recht und Gesundheit mit 25 %. Er erfordert mindestens acht Testreihen aus zwei Quellen und drei Bereichen. Die Skala von 0 bis 100 bezieht sich auf eine feste Referenzgruppe aus 29 Sprachmodellen, deren Durchschnitt bei 50 liegt.

Veröffentlichte modellabhängige Parameter können abweichen. Das ist kein kontrolliertes Experiment; solche Vergleiche werden als vorläufig gekennzeichnet.

Nicht gemessene Reihen werden nicht als Nullwert eingesetzt. Fehlen einem Modell eigene Werte in einem Kernbereich, steht dort seine Gesamtstärke, und der Hinweis „geschätzt, ohne eigene Werte in …“ nennt den Bereich. Weniger Testreihen führen zu einem größeren Standardfehler.

Das 95-%-Intervall folgt aus dem Standardfehler von 200 Neuberechnungen mit zufällig neu gezogenen Testfamilien. Es beschreibt, wie genau die erfassten Testreihen den Wert festlegen. Es ist keine Prognose für künftige Aufgaben oder spätere Neuberechnungen mit anderen Teilnehmern.

Die Quellenzahl ist keine Anzahl unabhängiger Experimente.

OECD-Handbuch zu zusammengesetzten Indikatoren

Alle 2 Testfamilien und 2 von 2 Rohmesswerten sind hier aufgeführt. Die vollständige Rechnung für alle Modelle enthält der JSON-Export.

Testfamilie: IFBench
Allgemein · Mittleres Rangperzentil der Familie: 30,4 / 100
Gewicht der Familie im festen Testpanel (informativ): 2,14 % · Abdeckung dieser Testfamilie: 100 %
- Artificial Analysis
  Veröffentlichte Konfigurationen unterscheiden sich in dieser Kohorte.
  Einzelmessung:
  artificial-analysis-ifbench
  Gewicht der Messreihe innerhalb der Testfamilie:
  100 %
  Nominaler Beitrag zum Gesamtpanel:
  2,14 %
  Rohwert:
  39,8639455782313 %
  Messgröße:
  IFBench prompt-level loose accuracy (pass@1)
  Version:
  AA test set: 294 questions
  Teilnehmende Modelle:
  70
  Rangperzentil innerhalb der Kohorte:
  30,4 %
  Abgerufen:
  2026-10-19
  Vergleichskohorte:
  artificial-analysis-ifbench:AA test set: 294 questions:standalone:reasoning:tokens=2000:suffix=unspecified
  Dokumentierter Vergleichsaufbau
  Publikationskohorte:
  ["artificial-analysis-ifbench","AA test set: 294 questions","aa-model-page-2026-10-19-8a022369738c"]
  Datensatztyp:
  artificial-analysis-evaluation
  Werkzeugregeln:
  Single-turn answer evaluated with the official IFBench source code
  Versuche:
  pass@1, 5 repeats per question
  Setup- und Modellparameter
  Exakte AA-Konfiguration: Qwen3 VL 8B (Reasoning) (Release qwen3-vl-8b, Zeile qwen3-vl-8b-reasoning, UUID dec8073c-57e2-41c0-b1aa-7a62960f103f, reasoning=true, source reasoning-token configuration budget=2000, suffix=nicht angegeben). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: reasoning enabled
  Exakte AA-Konfiguration: Qwen3 VL 8B (Reasoning) (Release qwen3-vl-8b, Zeile qwen3-vl-8b-reasoning, UUID dec8073c-57e2-41c0-b1aa-7a62960f103f, reasoning=true, source reasoning-token configuration budget=2000, suffix=nicht angegeben). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Kennung des Quellmodells: artificial-analysis/dec8073c-57e2-41c0-b1aa-7a62960f103f/qwen3-vl-8b/qwen3-vl-8b-reasoning. Name des Quellmodells: Qwen 3 VL 8B Thinking. Anbieter laut Quelle: Alibaba. Modellstand: Qwen3 VL 8B (Reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: reasoning enabled. Angezeigter Wert: 39,9 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
Testfamilie: MMMU-Pro
Multimodal · Mittleres Rangperzentil der Familie: 14,3 / 100
Gewicht der Familie im festen Testpanel (informativ): 2,68 % · Abdeckung dieser Testfamilie: 50 %
- Artificial Analysis
  Veröffentlichte Konfigurationen unterscheiden sich in dieser Kohorte.
  Einzelmessung:
  artificial-analysis-mmmu-pro
  Gewicht der Messreihe innerhalb der Testfamilie:
  50 %
  Nominaler Beitrag zum Gesamtpanel:
  1,34 %
  Rohwert:
  56,647398843930596 %
  Messgröße:
  pass@1 accuracy
  Version:
  AA cohort: 1,730 questions
  Teilnehmende Modelle:
  57
  Rangperzentil innerhalb der Kohorte:
  14,3 %
  Abgerufen:
  2026-10-19
  Vergleichskohorte:
  artificial-analysis-mmmu-pro:AA cohort: 1,730 questions:standalone:reasoning:tokens=2000:suffix=unspecified
  Dokumentierter Vergleichsaufbau
  Publikationskohorte:
  ["artificial-analysis-mmmu-pro","AA cohort: 1,730 questions","aa-model-page-2026-10-19-8a022369738c"]
  Datensatztyp:
  artificial-analysis-evaluation
  Werkzeugregeln:
  Ten-option multiple choice; regex answer extraction
  Versuche:
  pass@1, one run per question
  Setup- und Modellparameter
  Exakte AA-Konfiguration: Qwen3 VL 8B (Reasoning) (Release qwen3-vl-8b, Zeile qwen3-vl-8b-reasoning, UUID dec8073c-57e2-41c0-b1aa-7a62960f103f, reasoning=true, source reasoning-token configuration budget=2000, suffix=nicht angegeben). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.. Werkzeugrichtlinie: Ten-option multiple choice; regex answer extraction. Versuche: pass@1, one run per question. Reasoning: reasoning enabled
  Exakte AA-Konfiguration: Qwen3 VL 8B (Reasoning) (Release qwen3-vl-8b, Zeile qwen3-vl-8b-reasoning, UUID dec8073c-57e2-41c0-b1aa-7a62960f103f, reasoning=true, source reasoning-token configuration budget=2000, suffix=nicht angegeben). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.. Kennung des Quellmodells: artificial-analysis/dec8073c-57e2-41c0-b1aa-7a62960f103f/qwen3-vl-8b/qwen3-vl-8b-reasoning. Name des Quellmodells: Qwen 3 VL 8B Thinking. Anbieter laut Quelle: Alibaba. Modellstand: Qwen3 VL 8B (Reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Ten-option multiple choice; regex answer extraction. Versuche: pass@1, one run per question. Reasoning: reasoning enabled. Angezeigter Wert: 56,6 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19

Benchmarkquellen im Überblick

Jeder Auswerter misst andere Fähigkeiten unter eigenen Bedingungen. Testreihen, Gesamtindizes und ihre Komponenten bleiben getrennt. Die Ergebnisse darunter behalten ihre Skalen, Konfigurationen und Quelldaten.

Auswerter	Testreihen	Gesamtindizes	Erfasste aktive Messwerte
Artificial Analysis	3	0	10

Die Abdeckung ist keine Qualitätsrangliste. Überschneidende Tests und mehrere Einstellungen zählen nicht als unabhängige Versuche. Herstellerangaben, historische und strittige Ergebnisse bleiben außerhalb dieser Übersicht und sind in den Detailbelegen gekennzeichnet.

Bei 6 Messwerten dieser Quellen ist die Zuordnung zu einer Testreihe noch offen. Sie erhöhen die Zahl der Testreihen nicht.

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

IFBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 39.8639455782313
Bewertung: 39.8639455782313
Messgröße: IFBench prompt-level loose accuracy (pass@1)
Einheit: %
Benchmark-Version: AA test set: 294 questions
Kategorie: general
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: artificial-analysis-ifbench:AA test set: 294 questions:standalone:reasoning:tokens=2000:suffix=unspecified
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: active
Abrufdatum: 2026-10-19
Methodik: Exakte AA-Konfiguration: Qwen3 VL 8B (Reasoning) (Release qwen3-vl-8b, Zeile qwen3-vl-8b-reasoning, UUID dec8073c-57e2-41c0-b1aa-7a62960f103f, reasoning=true, source reasoning-token configuration budget=2000, suffix=nicht angegeben). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Kennung des Quellmodells: artificial-analysis/dec8073c-57e2-41c0-b1aa-7a62960f103f/qwen3-vl-8b/qwen3-vl-8b-reasoning. Name des Quellmodells: Qwen 3 VL 8B Thinking. Anbieter laut Quelle: Alibaba. Modellstand: Qwen3 VL 8B (Reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: reasoning enabled. Angezeigter Wert: 39,9 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
Vergleichsmethodik: Exakte AA-Konfiguration: Qwen3 VL 8B (Reasoning) (Release qwen3-vl-8b, Zeile qwen3-vl-8b-reasoning, UUID dec8073c-57e2-41c0-b1aa-7a62960f103f, reasoning=true, source reasoning-token configuration budget=2000, suffix=nicht angegeben). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: reasoning enabled
Einordnung: Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf.

Quelle Artificial Analysis

MMMU-Pro: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 56.647398843930596
Bewertung: 56.647398843930596
Messgröße: pass@1 accuracy
Einheit: %
Benchmark-Version: AA cohort: 1,730 questions
Kategorie: multimodal
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: artificial-analysis-mmmu-pro:AA cohort: 1,730 questions:standalone:reasoning:tokens=2000:suffix=unspecified
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: active
Abrufdatum: 2026-10-19
Methodik: Exakte AA-Konfiguration: Qwen3 VL 8B (Reasoning) (Release qwen3-vl-8b, Zeile qwen3-vl-8b-reasoning, UUID dec8073c-57e2-41c0-b1aa-7a62960f103f, reasoning=true, source reasoning-token configuration budget=2000, suffix=nicht angegeben). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.. Kennung des Quellmodells: artificial-analysis/dec8073c-57e2-41c0-b1aa-7a62960f103f/qwen3-vl-8b/qwen3-vl-8b-reasoning. Name des Quellmodells: Qwen 3 VL 8B Thinking. Anbieter laut Quelle: Alibaba. Modellstand: Qwen3 VL 8B (Reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Ten-option multiple choice; regex answer extraction. Versuche: pass@1, one run per question. Reasoning: reasoning enabled. Angezeigter Wert: 56,6 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
Vergleichsmethodik: Exakte AA-Konfiguration: Qwen3 VL 8B (Reasoning) (Release qwen3-vl-8b, Zeile qwen3-vl-8b-reasoning, UUID dec8073c-57e2-41c0-b1aa-7a62960f103f, reasoning=true, source reasoning-token configuration budget=2000, suffix=nicht angegeben). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.. Werkzeugrichtlinie: Ten-option multiple choice; regex answer extraction. Versuche: pass@1, one run per question. Reasoning: reasoning enabled
Einordnung: Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf.

Quelle Artificial Analysis

AA-Omniscience Accuracy: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 20.433333333333334
Bewertung: 20.433333333333334
Messgröße: AA-Omniscience Accuracy
Einheit: %
Benchmark-Version: AA Omniscience diagnostic
Kategorie: knowledge
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: artificial-analysis-omniscience-accuracy:AA Omniscience diagnostic:standalone:reasoning:tokens=2000:suffix=unspecified
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: active
Abrufdatum: 2026-10-19
Methodik: Exakte AA-Konfiguration: Qwen3 VL 8B (Reasoning) (Release qwen3-vl-8b, Zeile qwen3-vl-8b-reasoning, UUID dec8073c-57e2-41c0-b1aa-7a62960f103f, reasoning=true, source reasoning-token configuration budget=2000, suffix=nicht angegeben). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil der insgesamt korrekt beantworteten Fragen, unabhängig davon, ob das Modell andere Fragen beantwortet oder sich enthält.. Kennung des Quellmodells: artificial-analysis/dec8073c-57e2-41c0-b1aa-7a62960f103f/qwen3-vl-8b/qwen3-vl-8b-reasoning. Name des Quellmodells: Qwen 3 VL 8B Thinking. Anbieter laut Quelle: Alibaba. Modellstand: Qwen3 VL 8B (Reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard. Reasoning: reasoning enabled. Angezeigter Wert: 20,4 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
Vergleichsmethodik: Exakte AA-Konfiguration: Qwen3 VL 8B (Reasoning) (Release qwen3-vl-8b, Zeile qwen3-vl-8b-reasoning, UUID dec8073c-57e2-41c0-b1aa-7a62960f103f, reasoning=true, source reasoning-token configuration budget=2000, suffix=nicht angegeben). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil der insgesamt korrekt beantworteten Fragen, unabhängig davon, ob das Modell andere Fragen beantwortet oder sich enthält.. Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard. Reasoning: reasoning enabled
Einordnung: Dies ist die separat veröffentlichte Genauigkeitsdiagnostik, nicht der AA-Omniscience-Index. AA bezeichnet höhere Werte als besser.

Quelle Artificial Analysis

AA-Omniscience Hallucination Rate: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 91.41181399245916
Bewertung: 91.41181399245916
Messgröße: AA-Omniscience Hallucination Rate
Einheit: %
Benchmark-Version: AA Omniscience diagnostic
Kategorie: knowledge
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Weniger ist besser
Vergleichskohorte: artificial-analysis-omniscience-hallucination-rate:AA Omniscience diagnostic:standalone:reasoning:tokens=2000:suffix=unspecified
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: active
Abrufdatum: 2026-10-19
Methodik: Exakte AA-Konfiguration: Qwen3 VL 8B (Reasoning) (Release qwen3-vl-8b, Zeile qwen3-vl-8b-reasoning, UUID dec8073c-57e2-41c0-b1aa-7a62960f103f, reasoning=true, source reasoning-token configuration budget=2000, suffix=nicht angegeben). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).. Kennung des Quellmodells: artificial-analysis/dec8073c-57e2-41c0-b1aa-7a62960f103f/qwen3-vl-8b/qwen3-vl-8b-reasoning. Name des Quellmodells: Qwen 3 VL 8B Thinking. Anbieter laut Quelle: Alibaba. Modellstand: Qwen3 VL 8B (Reasoning). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard. Reasoning: reasoning enabled. Angezeigter Wert: 91,4 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19
Vergleichsmethodik: Exakte AA-Konfiguration: Qwen3 VL 8B (Reasoning) (Release qwen3-vl-8b, Zeile qwen3-vl-8b-reasoning, UUID dec8073c-57e2-41c0-b1aa-7a62960f103f, reasoning=true, source reasoning-token configuration budget=2000, suffix=nicht angegeben). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Anteil falscher Antworten an allen nicht korrekten Antworten: falsch / (falsch + teilweise richtig + nicht beantwortet).. Versuche: AA-reported aggregate; diagnostic-specific run count is not stated on the leaderboard. Reasoning: reasoning enabled
Einordnung: Dies ist die separat veröffentlichte Halluzinationsraten-Diagnostik, nicht der AA-Omniscience-Index. AA bezeichnet niedrigere Werte als besser.

Quelle Artificial Analysis

MMMU (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 74.1
Bewertung: 74.1
Messgröße: percent
Einheit: %
Kategorie: visual
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Qwen3-VL Technical Report
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Exact model column; report evaluates thinking/instruct variants separately

Quelle Qwen3-VL Technical Report

MMMU-Pro (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 60.4
Bewertung: 60.4
Messgröße: percent
Einheit: %
Kategorie: visual
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Qwen3-VL Technical Report
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Exact model column; report evaluates thinking/instruct variants separately

Quelle Qwen3-VL Technical Report

MathVision (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 62.7
Bewertung: 62.7
Messgröße: percent
Einheit: %
Kategorie: visual
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Qwen3-VL Technical Report
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Exact model column; report evaluates thinking/instruct variants separately

Quelle Qwen3-VL Technical Report

DocVQA test (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 95.3
Bewertung: 95.3
Messgröße: percent
Einheit: %
Kategorie: document
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Qwen3-VL Technical Report
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Exact model column; report evaluates thinking/instruct variants separately

Quelle Qwen3-VL Technical Report

VideoMME w/o subtitles (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 71.8
Bewertung: 71.8
Messgröße: percent
Einheit: %
Kategorie: video
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Qwen3-VL Technical Report
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Exact model column; report evaluates thinking/instruct variants separately

Quelle Qwen3-VL Technical Report

OCRBench (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 819
Bewertung: 819
Messgröße: points
Einheit: points
Kategorie: document
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Qwen3-VL Technical Report
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Exact model column; report evaluates thinking/instruct variants separately

Quelle Qwen3-VL Technical Report

Output speed (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 113.090825347068
Bewertung: 113.090825347068
Messgröße: tokens/s
Einheit: tokens/s
Richtung: Mehr ist besser
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: active
Abrufdatum: 2026-09-08
Methodik: Unabhängige Evaluation. Reasoning; default 10K-input workload only
Einordnung: Artificial Analysis performance timing; output speed is decoded after the first streaming chunk. Provider basis: first-party API. Deprecated model. Artificial Analysis only continues benchmarking the default 10K-input workload.

Quelle Artificial Analysis

Latency reasoning time (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 17.684900555479516
Bewertung: 17.684900555479516
Messgröße: seconds
Einheit: seconds
Richtung: Weniger ist besser
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: active
Abrufdatum: 2026-09-08
Methodik: Unabhängige Evaluation. Reasoning; default 10K-input workload only
Einordnung: Artificial Analysis performance timing; output speed is decoded after the first streaming chunk. Provider basis: first-party API. Deprecated model. Artificial Analysis only continues benchmarking the default 10K-input workload.

Quelle Artificial Analysis

Seite 1 von 2

Quellen und Datenstand

Art	Nachweis und Datenstand
Geschwindigkeit	Alibaba, Reasoning. Ausgabetempo nach dem ersten empfangenen Textabschnitt, nicht die gesamte Antwortzeit. Bei Artificial Analysis als veraltet eingeordnet. Artificial Analysis pflegt dort nur noch den Standard-Workload mit 10.000 Eingabe-Token. Abgerufen am 8. September 2026. Quelle: Artificial Analysis · Artificial Analysis (abgerufen 8. September 2026)Messmethode der Geschwindigkeit
Eingabe	Dokumentierte Modalitäten. Abgerufen am 8. September 2026. Quelle: Modelldokumentation · Modellmetadaten (abgerufen 8. September 2026) · Qwen3-VL-8B-Thinking model card · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Ausgabe	Dokumentierte Modalitäten. Abgerufen am 8. September 2026. Quelle: Modelldokumentation · Modellmetadaten (abgerufen 8. September 2026) · Qwen3-VL-8B-Thinking model card · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Recherchestand	Recherchestand 8. September 2026. 4 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
In den geprüften Quellen nicht gefunden	active-parameters-billions Originalwortlaut Dense checkpoint; no separate activated-parameter count is applicable/published.
Weitere Quelle	API-Preise
Weitere Quelle	Artificial Analysis (abgerufen 19. Oktober 2026)
Weitere Quelle	Artificial Analysis (abgerufen 19. Oktober 2026)
Weitere Quelle	Artificial Analysis (abgerufen 19. Oktober 2026)
Weitere Quelle	Qwen3-VL Technical Report (abgerufen 8. September 2026) · Qwen3-VL Technical Report · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Weitere Quelle	Modellmetadaten (abgerufen 8. September 2026)
Weitere Quelle	OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Ollama: kumulierte Downloads für den Beliebtheitsindex
Weitere Quelle	Replicate: kumulierte Ausführungen für den Beliebtheitsindex
Weitere Quelle	Google Trending Now: begrenzte Feed-Auswahl für Deutschland und USA
Weitere Quelle	Creative Commons Attribution 4.0

Qwen 3 VL 8B Thinking

Technische Daten und Zugang

Gesamt- und Bereichsscores

Gesamtindex

Allgemein

Multimodal

Testfamilie: IFBench

Testfamilie: MMMU-Pro

Benchmarkquellen im Überblick

Messungen ohne passende Vergleichswerte

Unsere Tests

SVG-Kurztest

Qwen 3 VL 8B Thinking

Pelikan auf dem Fahrrad

Beliebtheit

Veröffentlichte Preise

Quellen und Datenstand