Обзор Qwen OCR: распознавание документов, таблиц и PDF через Qwen-OCR

Qwen OCR — не настольная программа для сканирования и не отдельное мобильное приложение, а семейство облачных моделей распознавания в Alibaba Cloud Model Studio. Его сильная сторона — не только получение строк из картинки, но и разбор структуры документа: таблиц, формул, реквизитов, расположения текста и, в актуальной модели qwen3.5-ocr, PDF-файлов. Поэтому оценивать Qwen OCR разумнее как сервис для разработчиков и автоматизации документооборота, а не как замену обычному PDF-просмотрщику.

Скачать Qwen OCR

У Qwen OCR нет официального EXE, DMG, APK или другого установщика, который следовало бы скачивать на компьютер. Безопасный путь получения — активировать Alibaba Cloud Model Studio в нужном регионе и использовать Qwen-OCR из веб-консоли либо через официальный API. Для программной интеграции устанавливается не сама модель, а клиентская библиотека: OpenAI-совместимый SDK либо DashScope SDK. Само распознавание выполняется на стороне облачного сервиса.

На 12 сентября 2026 года документация выделяет два актуальных направления. qwen3.5-ocr — более новое поколение с улучшенным разбором документов, позиционированием текста, извлечением ключевых полей, многошаговым диалогом и прямой обработкой PDF через Responses API. qwen-vl-ocr — стабильная линия Qwen-VL-OCR; стабильный идентификатор сейчас эквивалентен снимку qwen-vl-ocr-2025-11-20. Идентификатор qwen-vl-ocr-latest указывает на динамически обновляемую версию, поэтому для воспроизводимого производственного процесса лучше фиксировать конкретный снимок, если он доступен в выбранном регионе.

Отдельно стоит отсеивать сторонние проекты с названиями вроде qwen-ocr, qwen-ocr-cli и ноутбуки на базе Qwen2.5-VL. Такие репозитории могут быть полезны как оболочки, но они не являются официальным продуктом Qwen-OCR от Alibaba Cloud Model Studio и могут использовать совсем другую модель, локальный движок или собственную схему конвертации PDF.

Что такое Qwen OCR

Qwen-OCR — специализированная модель визуального понимания для извлечения текста и структурированных данных из изображений документов. Alibaba Cloud позиционирует ее для сканов, таблиц, чеков, билетов, удостоверений, формул и других текстонасыщенных изображений. В отличие от классического OCR-движка, который преимущественно возвращает последовательность символов, Qwen-OCR объединяет распознавание с задачами понимания структуры: можно запросить определенные поля, восстановить таблицу, определить координаты строк или преобразовать формулу в LaTeX.

Поставщик инференса — Alibaba Cloud Model Studio. Сам Model Studio является облачной платформой, где доступны модели Qwen и другие модели; Qwen — семейство моделей, а Model Studio — инфраструктура доступа, ключей, рабочих пространств, регионов и биллинга. Такое разделение снимает частую путаницу: Qwen OCR нельзя считать самостоятельной Windows-программой с собственным файловым менеджером и локальной базой документов.

Текущее поколение

Qwen3.5-OCR был выпущен 16 июня 2026 года. В официальном описании ему приписаны улучшения в разборе документов, локализации текста и извлечении ключевой информации; отдельно отмечены реальные документы вроде удостоверений личности и водительских прав. Модель qwen3.5-ocr поддерживает многоходовый диалог, поэтому после первого распознавания можно отправлять последующие текстовые уточнения без повторной передачи изображения.

Чем Qwen OCR не является

Сервис не создает по умолчанию новый PDF с невидимым текстовым слоем, не заменяет PDF-редактор и не предназначен для локального просмотра книг. Результат API — текстовый ответ или результат встроенной OCR-задачи. Если конечная цель — редактируемый DOCX, searchable PDF или архив PDF/A, приложение должно отдельно сформировать нужный файл либо передать результат в другой инструмент. Это принципиальное отличие от офисных OCR-пакетов.

Основные функции Qwen OCR

Обычное распознавание текста

Базовая задача text_recognition возвращает текст изображения. Если специальная задача не задана, модель может работать по пользовательской инструкции; в документации для стандартного режима приводится поведение, при котором модель выводит только текстовое содержимое изображения. Это подходит для сканов страниц, фотографий вывесок, квитанций и других материалов, где не требуется сложная схема полей.

Точное позиционирование текста

Режим advanced_recognition предназначен для более точного распознавания с координатами. Координаты полезны, когда результат нужно наложить обратно на изображение, подсветить найденную строку, сопоставить OCR с областями формы или построить собственный редактор верификации. Для обычной выгрузки в TXT такая информация избыточна, зато для документных конвейеров она часто ценнее простого текста.

Извлечение ключевой информации

Задача key_information_extraction возвращает пары «ключ — значение» для документов, где важны реквизиты, а не полный текст. Официальный перечень примеров включает удостоверения, транспортные документы, счета, налоговые квитанции, банковские документы, лицензии и разрешения. Практический смысл режима — сократить промежуточный этап, когда приложение сначала распознает всю страницу, а затем отдельным парсером ищет номер, дату, сумму или имя.

При этом встроенное извлечение полей не следует путать с универсальной функцией гарантированного Structured Outputs. На модельных карточках Qwen-OCR общая возможность строгого структурированного ответа отмечается как неподдерживаемая. JSON можно запросить промптом, а встроенная задача возвращает структурированный результат, но критичные интеграции все равно должны валидировать наличие полей, типы и допустимые значения.

Разбор таблиц

Режим table_parsing выделяет табличную структуру. Это полезнее плоского OCR, когда нужно сохранить связи между строками и колонками, а не получить перемешанный текст. Сложные объединенные ячейки, мелкий шрифт и плохой скан по-прежнему требуют проверки: официальная документация прямо предупреждает о риске галлюцинаций при слишком мелком или низкокачественном тексте.

Распознавание формул

Задача formula_recognition преобразует формулы в LaTeX. Такой выход удобен для научных статей, учебных материалов и архивов, где простое распознавание символов разрушает математическую структуру. Проверять результат нужно не только визуально, но и компиляцией LaTeX либо сравнением ключевых операторов, индексов и дробей с оригиналом.

Разбор документа

document_parsing восстанавливает более крупную структуру страницы или документа. Для qwen3.5-ocr этот режим особенно важен, потому что Responses API позволяет передавать PDF напрямую. При task=document_parsing допускается PDF до 100 МБ и до 50 страниц; без этой задачи либо с другой OCR-задачей ограничение составляет до 10 страниц. Для предыдущих Qwen-VL-OCR прямой PDF-вход не поддерживается: страницы необходимо предварительно преобразовать в изображения.

Многоязычное распознавание и поворот

Qwen-OCR поддерживает многоязычное распознавание. Официальные примеры показывают одновременно несколько письменностей, включая кириллицу. Отдельная встроенная задача multi_lan предназначена именно для многоязычного текста. Документация также описывает коррекцию поворота изображения; в DashScope для этого доступен параметр enable_rotate. В OpenAI-совместимом Chat API не все специализированные параметры доступны напрямую, поэтому для полного набора встроенных функций предпочтителен DashScope либо Responses API там, где он поддерживает соответствующие OCR-параметры.

Интерфейс и удобство использования

У Qwen OCR нет традиционного интерфейса с лентой инструментов, деревом страниц и кнопкой «Сохранить как». Есть два основных рабочих режима: визуальная проверка модели в веб-консоли Alibaba Cloud Model Studio и программные вызовы API. В Experience Center или разделе визуальных моделей пользователь выбирает регион и Qwen-OCR, передает изображение и получает результат.

Веб-консоль

Консоль удобна как лаборатория: можно проверить, понимает ли модель конкретный тип документа, не писать код и сразу увидеть ответ. Однако история и аккаунт становятся частью облачной рабочей среды. Model Studio отображает до 100 исторических диалогов без установленного в FAQ срока удаления; анонимные пробные сессии и запросы, завершившиеся ошибкой, по данным Alibaba Cloud не сохраняются в этой истории. Для конфиденциальных документов нужно ориентироваться не на удобство интерфейса, а на корпоративные правила и условия обработки данных.

API как основной рабочий интерфейс

Для интеграции предлагаются OpenAI-совместимый интерфейс и DashScope. Первый снижает порог входа для команд, уже использующих OpenAI SDK: меняются базовый URL, ключ и имя модели. DashScope дает прямой доступ к встроенным OCR-задачам и параметрам вроде автоматической коррекции поворота. Qwen3.5-ocr дополнительно использует Responses API для PDF и специализированного ocr_options.

Поддерживаемые форматы и совместимость

Изображения

Для изображений ниже 4K официально перечислены BMP, JPEG, PNG, TIFF, WebP и HEIC. В диапазоне от 4K до 8K поддержка сужается до JPEG/JPG и PNG. Ширина и высота должны быть больше 10 пикселей, а отношение сторон — не экстремальнее 200:1 или 1:200. В руководстве указан предел 15,68 млн пикселей на изображение; сервис может масштабировать изображение при обработке.

При передаче по публичному URL или локальным путем qwen3.5-ocr допускает изображение до 20 МБ, другие версии — до 10 МБ. Для Base64 действует предел 10 МБ на закодированную строку. Локальный путь напрямую поддерживается только DashScope SDK для Python и Java; HTTP и OpenAI-совместимые вызовы используют URL или Base64.

PDF

Прямой PDF-вход — функция qwen3.5-ocr через Responses API. Максимальный размер PDF составляет 100 МБ. При document_parsing можно передать до 50 страниц, при иных задачах — до 10. Ранние Qwen-VL-OCR не принимают PDF как единый документ: разработчик рекомендует конвертировать страницы в изображения и обрабатывать их последовательно или как набор изображений.

Выходные форматы

Выходная модальность модели — текст. Специализированные задачи могут вернуть координаты, структуру таблицы, пары ключ-значение или LaTeX, но Qwen-OCR не является конвертером DOCX/XLSX/PDF. Если нужен конечный документ, приложение должно само сериализовать результат в JSON, CSV, HTML, DOCX, XLSX или PDF, проверив экранирование и структуру.

SDK и интеграции

Производительность и стабильность

Производительность Qwen OCR определяется не локальным процессором пользователя, а облачным инференсом, размером изображения, числом токенов, текущей загрузкой сервиса и региональными лимитами. Поэтому корректно говорить о заявленных лимитах, а не придумывать секунды на страницу. Alibaba Cloud прямо отмечает, что скорость генерации у моделей не фиксирована и зависит, в частности, от общей нагрузки и конкуренции запросов.

Лимиты запросов

Для qwen-vl-ocr в Singapore опубликован лимит 600 запросов в минуту и 6 млн токенов в минуту; фиксированный снимок 2025-11-20 в том же регионе имеет 1200 запросов в минуту при тех же 6 млн токенов. Для qwen3.5-ocr в модельной карточке Beijing указаны 6000 запросов и 30 млн токенов в минуту. Эти значения нельзя считать универсальными: они различаются между регионами и версиями и могут меняться.

Контекст и длина ответа

Для qwen-vl-ocr официальная модельная карточка указывает контекст 38 192 токена, максимум 30 000 входных и 8192 выходных токена. У стабильного qwen-vl-ocr значение max_tokens по умолчанию может оставаться 4096; повышение до диапазона 4097–8192 для некоторых редакций требует согласования с коммерческим менеджером. Это важно при распознавании плотных страниц: модель может видеть изображение целиком, но ответ может оборваться по выходному лимиту.

Для qwen3.5-ocr официальные страницы на дату проверки не полностью синхронизированы: отдельная модельная карточка показывает окно 65 536 токенов, вход 49 152 и выход 16 384, тогда как таблица API описывает контекст как 128K. Для архитектуры интеграции безопаснее не закладывать спорную величину в код, а ориентироваться на ограничения конкретного endpoint и выбранного региона. При прямом document_parsing PDF документация отдельно сообщает, что результат не ограничен обычным максимальным выходом модели, что и делает этот режим предпочтительным для длинных документов.

Стабильность результата

Главное содержательное ограничение — вероятность галлюцинации на мелком или низкокачественном тексте. OCR-модель может вернуть правдоподобный, но неверный символ или поле, поэтому финансовые суммы, номера документов, даты и идентификаторы нельзя принимать без проверки. Для производственного сценария полезны правила допустимых форматов, контрольные суммы, сравнение обязательных полей и выборочная визуальная верификация.

Для стабильности поведения также имеет значение идентификатор модели. Динамический latest может получить обновление без изменения кода клиента, тогда как датированный снимок фиксирует поведение лучше. Если результат участвует в регламентированном процессе, версии промпта, модели и схемы валидации стоит хранить вместе.

Лицензирование и версии

Qwen OCR распространяется как облачный сервис с оплатой инференса, а не как коробочная лицензия на локальную программу. Условия использования задаются договором Alibaba Cloud Model Studio и правилами аккаунта. Оплата считается по входным и выходным токенам. Сама цена зависит от региона и модели, поэтому цифру из одной консоли нельзя переносить на другую.

Актуальные цены

На дату проверки qwen-vl-ocr в Singapore стоит 0,07 доллара за 1 млн входных токенов и 0,16 доллара за 1 млн выходных. В Beijing для qwen-vl-ocr опубликованы 0,043 и 0,072 доллара соответственно, а для qwen3.5-ocr — 0,069 и 0,275 доллара. В Germany (Frankfurt) и US (Virginia) для qwen-vl-ocr указаны 0,043 доллара за 1 млн входных и 0,072 доллара за 1 млн выходных токенов. Перед расчетом бюджета нужно проверять именно регион, где создан ключ.

Бесплатная квота

Бесплатная стартовая квота для Qwen-OCR относится к Singapore. Для qwen-vl-ocr и снимка 2025-11-20 опубликована квота 1 млн токенов, действующая 90 дней с более поздней из дат: активации Model Studio, выпуска модели или одобрения доступа. В других регионах эта бесплатная квота не действует. После исчерпания или окончания срока дальнейшие вызовы становятся платными, если аккаунт настроен на pay-as-you-go. В Model Studio можно включить режим Free Quota Only, чтобы запросы остановились после исчерпания бесплатного лимита и не породили неожиданные расходы.

Версионная политика

Системные требования

К локальному компьютеру Qwen OCR не предъявляет требований по CPU, GPU или объему оперативной памяти для инференса, потому что модель работает в облаке. Официальная документация не устанавливает минимальную версию Windows, macOS или Linux для самого Qwen-OCR. Реальные требования относятся к доступу в сервис и клиенту, который отправляет запрос.

Для веб-консоли

аккаунт Alibaba Cloud и активация Model Studio в выбранном регионе;

интернет-доступ к консоли и endpoint соответствующего региона;

доступная в выбранном регионе модель Qwen-OCR;

для платного использования — корректно настроенный биллинг.

Отдельного официального мобильного приложения Model Studio нет; Alibaba Cloud указывает веб-консоль как основной способ интерактивного доступа.

Для API

региональный API-ключ и Workspace ID;

HTTPS-клиент либо поддерживаемый SDK;

при DashScope — актуальный Python или Java SDK; в руководстве Qwen-OCR приведены минимумы 1.22.2 для Python и 2.21.8 для Java;

входные файлы, укладывающиеся в ограничения формата, размера, числа страниц и разрешения;

защищенное хранение ключа вне исходного кода, предпочтительно в переменной окружения или секрет-хранилище.

Ключи привязаны к региону и не взаимозаменяемы между регионами. Это функциональное требование: корректный ключ с неправильным endpoint не следует считать «плохим ключом» — это другой контур сервиса.

Карта критических зависимостей

Преимущества и недостатки Qwen OCR

Плюсы и минусы

Не только текст, но и структура. Есть отдельные режимы для таблиц, формул, ключевых полей, координат и документного разбора.

Прямой PDF в новом поколении. qwen3.5-ocr через Responses API принимает PDF до 100 МБ и до 50 страниц в document_parsing.

Многоязычный режим. Сервис рассчитан на несколько письменностей и имеет специализированную задачу multi_lan.

Интеграция через стандартные интерфейсы. Можно использовать OpenAI-совместимый клиент или DashScope.

Нет требований к локальному GPU. Тяжелый инференс выполняется в облаке, клиенту нужен только доступ к API.

Версии можно фиксировать. Датированный снимок удобен для процессов, где важно воспроизводимое поведение.

Минусы

Нет полноценного настольного приложения. Пользователь, которому нужна кнопка «Открыть PDF — распознать — исправить — сохранить», получит более сложный путь.

Облачная зависимость. Без интернета, аккаунта, корректного региона и действующего ключа сервис не работает.

Qwen-OCR не создает готовый searchable PDF. Выход нужно преобразовывать в конечный формат отдельным кодом или инструментом.

Риск галлюцинаций. На мелком и плохом тексте модель может не просто пропустить символ, а сформировать правдоподобную ошибку.

Региональные различия. Модели, цены, ключи и лимиты неодинаковы; документация по новым версиям может обновляться не синхронно.

Стоимость не равна цене «за страницу». Биллинг идет по токенам, поэтому бюджет зависит от изображения, подсказки и объема ответа.

Сравнение с аналогами

ABBYY FineReader рациональнее, если оператор вручную распознает сканы, исправляет результат и экспортирует документ в привычные офисные форматы. Adobe Acrobat Pro лучше вписывается в сценарий «получить поисковый PDF и продолжить редактирование PDF». Qwen OCR сильнее там, где результат должен сразу войти в собственную систему как текст, таблица, набор полей или машинно обрабатываемая структура.

Место относительно Sumatra PDF

Sumatra PDF и Qwen OCR не являются прямыми конкурентами. Sumatra PDF — прежде всего быстрый просмотрщик документов с поддержкой PDF, EPUB, DjVu, XPS, изображений и других форматов; актуальные инструменты также умеют извлекать уже существующий текст из PDF. Qwen OCR нужен в момент, когда текста как символов в файле нет и его требуется восстановить из пикселей или разобрать структуру скана. В наборе инструментов они могут дополнять друг друга, но Qwen OCR не заменит удобный просмотрщик, а Sumatra PDF не следует считать облачным OCR-сервисом. Для редактирования уже распознанного PDF уместен и PDF-XChange Editor.

Инструкция по установке

Поскольку модель облачная, «установка Qwen OCR» означает подготовку доступа и клиента. Последовательность ниже не скачивает модель на компьютер и не требует GPU.

Вариант 1: запуск через веб-консоль

1. Войти в Alibaba Cloud под основной учетной записью или RAM-идентичностью с нужными правами.

2. Открыть Model Studio и выбрать целевой регион. Сервис активируется по регионам отдельно; при первой активации нужно принять соглашение.

3. В разделе визуальных моделей или Experience Center выбрать доступный Qwen-OCR.

4. Передать тестовое изображение, которое не содержит чувствительных данных, и выполнить типичную задачу распознавания.

5. Сверить результат с оригиналом: проверить не только слова, но и числа, даты, валюты и идентификаторы.

Вариант 2: подготовка API

1. В Model Studio создать API-ключ именно в том регионе, где будет вызываться модель. Ключи разных регионов не взаимозаменяемы.

2. Сразу скопировать ключ и сохранить его в секрет-хранилище: после закрытия диалога полный текст ключа снова не показывается.

3. Записать Workspace ID и региональный base URL. Для новых интеграций Alibaba рекомендует workspace-specific домены.

4. Если используется Python или Node.js с OpenAI-совместимым интерфейсом, установить актуальный OpenAI SDK. Если нужен полный набор специализированных OCR-параметров, установить DashScope SDK.

5. Поместить ключ в переменную окружения DASHSCOPE_API_KEY, а не в исходный код.

6. Выбрать модель. Для международного сценария доступность следует проверять в регионе; для воспроизводимости предпочтителен датированный снимок. Для прямого PDF document_parsing использовать qwen3.5-ocr там, где он доступен.

7. Отправить минимальный запрос с изображением и проверить HTTP-статус, идентификатор модели, usage и собственно текст результата.

Первый производственный запуск

Безопасное прекращение использования

Model Studio как сервис сейчас нельзя полностью «деактивировать» одной кнопкой. Чтобы остановить будущие API-вызовы, Alibaba рекомендует удалить API-ключ. В большинстве регионов ключ также можно временно отключить; в US (Virginia) операции disable/reset имеют отдельные ограничения, поэтому надежный вариант прекращения доступа — удаление ключа. После этого стоит убрать секрет из CI/CD и переменных окружения. Исходные документы и результаты нужно сохранить или удалить по внутренней политике до закрытия рабочего процесса.

Практические кейсы

Извлечение реквизитов из счета или билета

Цель: получить номер, дату, сумму и другие заданные поля, а не весь текст страницы. Подготовка: использовать изображение в поддерживаемом формате и заранее определить схему обязательных полей. Шаги: вызвать key_information_extraction через встроенную OCR-задачу либо передать четкий пользовательский промпт с перечнем полей; сохранить исходный ответ; нормализовать даты и числа только после распознавания. Проверка: убедиться, что обязательные поля присутствуют, сумма имеет допустимый формат, а номер совпадает с видимым оригиналом. Ограничение: встроенная структуризация не отменяет проверки — неверный символ в сумме или идентификаторе может быть синтаксически правдоподобным.

Разбор многостраничного PDF

Цель: получить структуру длинного сканированного документа без ручной нарезки страниц. Подготовка: использовать qwen3.5-ocr и Responses API; убедиться, что PDF не превышает 100 МБ и 50 страниц для document_parsing. Шаги: передать файл как input_file, установить ocr_options task=document_parsing, получить ocr_result и сохранить результат отдельно от PDF. Проверка: сопоставить количество обработанных страниц, заголовки и несколько контрольных фрагментов начала, середины и конца документа. Ограничение: результат не становится новым searchable PDF автоматически.

Восстановление таблицы из скана

Цель: сохранить отношения строк и колонок. Подготовка: обрезать лишние поля только если это не удаляет заголовки, обеспечить достаточное разрешение. Шаги: выбрать table_parsing; после ответа преобразовать структуру в собственную таблицу или CSV; отдельно обработать пустые и объединенные ячейки. Проверка: сравнить число строк и колонок, заголовки, крайние значения и итоговые суммы. Ограничение: сложная верстка и мелкий текст могут дать структурно убедительный, но неверный результат.

Распознавание математической формулы

Цель: получить редактируемое математическое выражение. Подготовка: по возможности выделить формулу с достаточным разрешением. Шаги: вызвать formula_recognition, сохранить полученный LaTeX, затем вставить его в тестовый документ или математический рендерер. Проверка: сравнить индексы, показатели степени, дроби, знаки интеграла и границы суммирования. Ограничение: визуально похожие символы и мелкие индексы требуют ручной сверки.

Навигатор по сбоям

401/ошибка авторизации: проверить, что ключ взят из того же региона, что и endpoint, и не был удален или сброшен.

403 после бесплатной квоты: проверить Free Quota Only и остаток квоты; это может быть штатная остановка расходов, а не сбой модели.

429/ограничение скорости: сравнить фактический RPM/TPM с лимитом модели, уменьшить параллелизм и повторять запрос с задержкой.

Изображение отклонено: проверить формат, размер файла, число пикселей, стороны больше 10 пикселей и допустимое отношение сторон.

PDF не принимается: убедиться, что используется qwen3.5-ocr через Responses API; для старой модели преобразовать PDF в изображения.

Ответ обрывается: проверить max_tokens и выходной лимит версии; для длинного PDF использовать document_parsing вместо постраничного длинного ответа.

Правдоподобные ошибки в тексте: проверить качество исходника и не пытаться лечить их только увеличением свободы промпта; добавить формальную валидацию и визуальную сверку.

Контроль перед сохранением и передачей

зафиксировать точный ID модели, а не только слово Qwen OCR;

сохранить оригинальный файл отдельно от распознанного результата;

проверить критичные числа, даты, суммы, номера документов и имена;

для таблиц сверить структуру и итоги, для формул — отрендерить LaTeX;

не выдавать промпт-JSON за гарантированную схему без собственного валидатора;

перед передачей третьей стороне удалить лишние персональные поля из производного результата, если они не нужны;

убедиться, что итоговый формат действительно открывается в целевой системе: Qwen OCR возвращает данные, а не готовый офисный документ.

Часто задаваемые вопросы

Можно ли установить Qwen OCR полностью локально?

Официальный Qwen-OCR, описанный Alibaba Cloud Model Studio, предоставляется как облачный инференс-сервис. Документация дает API-endpoint и веб-консоль, а не локальный установщик модели. Сторонние проекты на GitHub с похожим названием могут использовать открытые Qwen-VL или другие модели, но это другой продукт и другая схема поддержки.

Нужна ли видеокарта?

Для вызова облачного Qwen-OCR локальный GPU не нужен. Достаточно клиента, способного отправить HTTPS-запрос или использовать SDK. GPU понадобится только если вы выберете другой, самостоятельно развертываемый OCR-стек.

Может ли Qwen OCR распознавать PDF напрямую?

Да, но это относится к qwen3.5-ocr через Responses API. Для document_parsing лимит составляет до 100 МБ и до 50 страниц. Qwen-VL-OCR 2025-11-20 и более ранние версии требуют предварительно преобразовать PDF-страницы в изображения.

Получится ли после OCR поисковый PDF?

Не автоматически. Модель возвращает текст или структурный результат. Поисковый PDF с текстовым слоем должен создать другой компонент. Если именно это является основной задачей конечного пользователя, Acrobat или FineReader дают более прямой рабочий процесс.

Поддерживается ли русский язык?

Qwen-OCR имеет многоязычный режим, а официальные примеры демонстрируют кириллицу. При этом отдельной публичной таблицы с количеством и уровнем поддержки OCR-языков для каждой Qwen-OCR-модели в руководстве нет. Поэтому корректнее проверять конкретные типы русскоязычных документов на своем контрольном наборе, а не переносить общие языковые возможности семейства Qwen на любой OCR-сценарий.

Используются ли документы клиента для обучения модели?

Alibaba Cloud заявляет, что данные клиентов Model Studio не используются для обучения моделей. Также компания сообщает об AES-256 для защиты передаваемых в рабочих процессах данных и о SOC 2 для Model Studio. Это не отменяет необходимости читать договор и правила хранения для своей юрисдикции: публичный FAQ не следует трактовать как обещание нулевого хранения каждого API-запроса.

Как не допустить неожиданных расходов?

Проверять региональные цены, usage и оставшуюся квоту, а для стартовой квоты Singapore включить Free Quota Only. Ключ нужно хранить как секрет: любой, кто получит его, сможет отправлять запросы от имени аккаунта и создавать расходы. Для команд также полезны отдельные рабочие пространства, ограничения доступа к моделям и IP-белые списки там, где они поддерживаются.

Вывод

Qwen OCR подходит разработчикам и командам автоматизации, которым нужен облачный OCR не только для строк текста, но и для таблиц, формул, реквизитов и структуры документа. Особенно интересен qwen3.5-ocr: прямой PDF-вход через Responses API убирает обязательную постраничную конвертацию и делает сервис заметно практичнее для многостраничных документов.

Главное условие успешного внедрения Qwen OCR — относиться к нему как к вероятностному этапу извлечения данных, а не как к безошибочному сканеру.