Qwen: Qwen3 235B A22B Instruct 2507

Qwen: Qwen3 235B A22B Instruct 2507 ist ein Textgenerierungsmodell von Qwen. Es ist ein instruktionsoptimiertes, mehrsprachiges Mixture-of-Experts-Modell, das auf der Qwen3 235B Architektur basiert, mit 22 Milliarden aktiven Parametern pro Vorwärtsdurchlauf. Das Veröffentlichungsdatum des Anbieters ist der 21. Juli 2025, und der Wissensstand des Modells endet am 30. Juni 2025.

Das Modell arbeitet mit Texteingabe und erzeugt ausschließlich Textausgabe, es ist also auf Sprachaufgaben ausgerichtet und nicht auf Bild- oder Audioarbeit. Sein Kontextfenster umfasst 262.144 Token, was sehr lange Prompts, große Dokumente oder ausgedehnte Konversationen in einer einzigen Anfrage ermöglicht. Die maximale Ausgabe beträgt 16.384 Token pro Antwort. Als instruktionsoptimiertes Modell ist es für allgemeine Textgenerierung optimiert, einschließlich Instruktionsbefolgung, und sein mehrsprachiges Training macht es für Arbeit über mehr als eine Sprache hinweg geeignet.

Diese Fähigkeiten deuten auf ein recht breites Spektrum praktischer Einsatzmöglichkeiten hin. Analyse langer Dokumente, Zusammenfassung und Fragebeantwortung über große Eingaben sind aufgrund des Kontextfensters naheliegende Einsatzbereiche. Da das Modell Anweisungen befolgt und mehrsprachigen Text verarbeitet, eignet es sich auch für Chat-Assistenten, Texterstellung, übersetzungsnahe Workflows und strukturierte Datenextraktion. Die Kombination aus Tool-Nutzung und Unterstützung strukturierter Ausgabe bedeutet, dass es hinter einer Agent-Schleife platziert oder zur Erzeugung maschinenlesbarer Antworten für nachgelagerte Systeme verwendet werden kann.

Sie können das Modell über die OpenAI-kompatible API von api14 mit der Modell-ID "qwen/qwen3-235b-a22b-2507" aufrufen. Anfragen unterstützen eine breite Palette von Parametern: temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty und repetition_penalty zur Steuerung des Samplings; max_tokens und stop für Ausgabelänge und Beendigung; seed für Reproduzierbarkeit; sowie logprobs mit top_logprobs für Wahrscheinlichkeiten auf Token-Ebene. Für strukturierte Arbeit gibt es response_format und structured_outputs, und für Funktionsaufrufe gibt es tools und tool_choice. logit_bias wird ebenfalls akzeptiert. Jeder Client, der das OpenAI-Chat-Completions-Format spricht, sollte mit diesen Feldern funktionieren.

Eine praktische Einschränkung sollten Sie beachten: die Ausgabelänge von 16.384 Token pro Antwort, obwohl der Eingabekontext viel größer ist, sodass Aufgaben, die sehr lange einzelne Vervollständigungen benötigen, möglicherweise eine Aufteilung der Arbeit erfordern. Das Modell ist rein textbasiert, wenn also Ihre Eingabe oder Ausgabe Bilder oder Audio umfasst, ist ein anderes Modell die bessere Wahl. Da der Wissensstand am 30. Juni 2025 endet, hängt alles nach diesem Datum vom Prompt oder von den von Ihnen bereitgestellten Tools ab und nicht vom eigenen Wissen des Modells.