---
title: "Ano ang vision-language model (VLM)? Paano ito tawagin"
description: "Sabay na binabasa ng vision-language model ang larawan at text at sumasagot sa text. Paano ipadala ang larawan sa OpenAI-compatible API, magkano, at saan ginagamit."
url: https://broadrouter.com/fil/glossary/vision-language-model/
lang: fil
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Isinalin mula sa Ingles sa tulong ng AI. [Basahin ang orihinal sa Ingles](https://broadrouter.com/glossary/vision-language-model/) (na-update noong 2026-11-14).

# Vision-language model (VLM)

Na-update 2026-11-14

Ang vision-language model (VLM) ay isang model na tumatanggap ng larawan at text nang sabay bilang input at naglalabas ng text, kaya kaya nitong ilarawan ang mga larawan, sagutin ang tanong tungkol dito, at basahin ang mga dokumento, chart o screenshot. Tinatawag din ang mga VLM na image-text-to-text o multimodal na model.

Tinatawag ding: VLM, vision-language model, vision model, multimodal LLM, image-text-to-text model, vision API, AI na nakakabasa ng larawan

Sa vision-language model, puwede kang magtanong tungkol sa larawan sa parehong paraan ng pagtatanong tungkol sa text.

## Paano ito gumagana

Simple ang paglalarawan ng Hugging Face sa mga model na ito: they “take in an image and text prompt and output text.” (Salin: “tumatanggap sila ng larawan at text prompt at naglalabas ng text.”) Tinrain sila sa mga pares ng larawan at text, kaya natututo silang iugnay ang nakikita nila sa wika.

Sa isang OpenAI-compatible API, nasa loob ng message ang larawan bilang isang content part. Puwede itong public URL o base64 data URL:

```python
import base64, os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
b64 = base64.b64encode(open("receipt.jpg", "rb").read()).decode()

reply = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    max_tokens=2000,
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "Return the vendor and total as JSON."},
        {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{b64}"}},
    ]}],
)
print(reply.choices[0].message.content)
```

Ginagawang input [token](https://broadrouter.com/fil/glossary/token/) ng model ang larawan, binabasa ang mga ito kasama ng text mo, at sumusulat ng sagot.

## Bakit ito mahalaga

-   **Mga dokumento.** Puwedeng diretsong ipadala sa model ang mga invoice, resibo, form at ID, kadalasang may [structured output](https://broadrouter.com/fil/glossary/structured-output/) para makuha ang mga field bilang JSON.
-   **Mga screen at chart.** Nababasa ng mga agent ang mga screenshot at dashboard; nababasa ng mga support tool ang mga litratong ipinapadala ng user.
-   **Gastos at limit.** Nagdaragdag ng input token ang bawat larawan at pinupuno nito ang bahagi ng [context window](https://broadrouter.com/fil/glossary/context-window/). Mabilis lumaki kapag maraming larawan sa isang request.

Suriin ang resulta. Puwedeng magkamali ang VLM sa pagbasa ng maliit o malabong text at puwede itong magbigay ng maling numero nang buong kumpiyansa. Para sa anumang may kinalaman sa pera, i-validate ang mga total sa code.

## Sa BroadNet Inference

Tatlong chat model ang tumatanggap ng larawan:

| Model | Input | Context |
| --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/fil/models/deepseek-v4.1-flash/) | Text at larawan | 1,048,576 token |
| [Qwen3.8 27B](https://broadrouter.com/fil/models/qwen3.8-27b/) | Text at larawan | 262,144 token |
| [BroadNet Gemma 4 VL 26B](https://broadrouter.com/fil/models/gemma-4-vl-26b/) | Text at larawan | 32,768 token |

Text lang ang GLM 5.3. Ang BroadNet Gemma 4 VL 26B ay $0.10 kada 1M input token at gumagana sa libreng $5 na panimulang credit. Sinubukan ng BroadNet ang Qwen3.8 27B sa Arabic at sinusuportahan din nito ang structured output. Sa pay-as-you-go, binibilang ang larawan bilang input token, at mas marami ang nagagamit ng mas malalaking larawan.

Ipinapakita ng [gabay sa Arabic invoice](https://broadrouter.com/fil/guides/read-arabic-invoices-with-vision/) ang buong extraction. Siguraduhing tama ang MIME type sa data URL, at mag-iwan ng puwang sa `max_tokens` sa mga reasoning model.

## Mga tanong

### Pareho ba ang vision-language model at OCR?

Hindi. Ginagawang character ng OCR ang naka-print na text sa larawan. Nakakabasa rin ng text ang VLM, pero naiintindihan nito ang layout at nilalaman, kaya kaya nitong sagutin kung aling linya ang total, o kung ano ang ipinapakita ng chart.

### May bayad bang token ang mga larawan?

Oo. Ginagawang input token ang mga larawan. Kadalasang mas marami ang nagagamit ng mas malalaking larawan, kaya i-resize ang mga ito sa pinakamaliit na laki na buo pa rin ang detalyeng kailangan mo.

### Aling mga model ng BroadNet ang tumatanggap ng larawan?

Tumatanggap ng text at image input ang DeepSeek V4.1 Flash, Qwen3.8 27B at BroadNet Gemma 4 VL 26B. Text lang ang GLM 5.3.

## Tingnan din

-   [Structured output](https://broadrouter.com/fil/glossary/structured-output/) (termino)
-   [Token](https://broadrouter.com/fil/glossary/token/) (termino)
-   [Open-weight model](https://broadrouter.com/fil/glossary/open-weight-model/) (termino)
-   [Context window](https://broadrouter.com/fil/glossary/context-window/) (termino)
-   [Multimodal AI](https://broadrouter.com/fil/glossary/multimodal/) (termino)
-   [Optical character recognition (OCR)](https://broadrouter.com/fil/glossary/ocr/) (termino)
-   [Image tokens](https://broadrouter.com/fil/glossary/image-tokens/) (termino)
-   [Basahin ang mga Arabic na invoice at resibo gamit ang vision model](https://broadrouter.com/fil/guides/read-arabic-invoices-with-vision/) (gabay)
-   [Paano gamitin ang OpenAI Python SDK sa BroadNet Inference](https://broadrouter.com/fil/guides/openai-python-sdk/) (gabay)
-   [Pagpili ng LLM API para sa Arabic: ano ang dapat i-test](https://broadrouter.com/fil/blog/choosing-an-llm-for-arabic/) (artikulo)

Subukan ito sa totoong workload mo. May US$5 na panimulang credit ang mga bagong account para sa Gemma at transcription. Kailangan ng top-up para sa DeepSeek, GLM, at Qwen3.8.

[Magsimula](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-glossary-vision-language-model&utm_content=page-cta) ·

**Mga source**

-   [Hugging Face Tasks, image-text-to-text (mga vision-language model)](https://huggingface.co/tasks/image-text-to-text)
-   [OpenAI API reference, create chat completion (mga image content part)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [API reference ng BroadNet Inference, mga model (Ingles)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-glossary-vision-language-model&utm_content=sources#models)
