Qwen: Qwen3 235B A22B Thinking 2507

Qwen3 235B A22B Thinking 2507 ist ein Textmodell von Qwen, das vom Anbieter am 2025-07-25 veröffentlicht wurde. Es ist ein Open-Weight-Mixture-of-Experts-(MoE-)Sprachmodell, das für komplexe Reasoning-Aufgaben entwickelt wurde und bei jedem Forward Pass 22B seiner 235B Parameter aktiviert. Die Bezeichnung "Thinking" und die Reasoning-Parameter, die es bereitstellt, deuten darauf hin, dass das Modell darauf ausgelegt ist, Probleme Schritt für Schritt durchzuarbeiten, anstatt in einem einzigen Durchlauf zu antworten.

Das Modell akzeptiert Texteingaben und gibt Textausgaben zurück, passt also in reine Text-Pipelines. Es hat ein Kontextfenster von 128.000 Tokens und eine maximale Ausgabe von 16.384 Tokens, mit einem Knowledge Cutoff vom 2025-06-30. Da es ein reasoning-orientiertes Modell ist, können Antworten eine Reasoning-Phase enthalten, und die Parameter include_reasoning und reasoning ermöglichen es Ihnen zu steuern, wie damit in der Antwort umgegangen wird, die Sie erhalten.

Diese Fähigkeiten weisen auf Anwendungsfälle hin, in denen sorgfältiges mehrstufiges Denken wichtig ist: mathematisches und logisches Problemlösen, Codeanalyse und -generierung, strukturierte Extraktion aus langen Dokumenten sowie mehrstufige Planung oder Entscheidungsunterstützung. Der Kontext von 128.000 Tokens ist groß genug, um umfangreiches Quellmaterial zusammen mit Anweisungen aufzunehmen, was Aufgaben wie die Überprüfung langer Spezifikationen, das Zusammenfassen oder Abfragen ausführlicher Berichte und die Bearbeitung von Problemen erleichtert, bei denen das Modell viele Einschränkungen gleichzeitig im Blick behalten muss. Die Unterstützung von Tool Calling macht es zudem in agentenähnlichen Workflows nutzbar, in denen das Modell entscheidet, wann eine Funktion aufgerufen wird.

Sie rufen das Modell über die OpenAI-kompatible API von api14 mit der Modell-ID "qwen/qwen3-235b-a22b-thinking-2507" auf. Die unterstützten Anfrageparameter sind frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, stop, temperature, tool_choice, tools, top_k und top_p. Da die Schnittstelle OpenAI-kompatibel ist, können Sie einen vorhandenen OpenAI-Client auf api14 richten und die Modell-ID ändern, dann das Sampling mit temperature, top_p oder top_k abstimmen, die Antwort mit max_tokens begrenzen und tools sowie tool_choice übergeben, wenn Sie Function Calling wünschen.

Beachten Sie das Ausgabelimit: max_tokens ist auf 16.384 begrenzt, sodass Aufgaben, die eine sehr lange einzelne Antwort erfordern, möglicherweise eine Aufteilung der Arbeit auf mehrere Aufrufe benötigen. Das Modell ist reines Textmodell, wenn Ihre Eingabe also Bilder oder Audio enthält, bräuchten Sie ein anderes Modell. Für einfache Textaufgaben mit hohem Volumen, bei denen kein tiefes Reasoning erforderlich ist, könnte ein leichteres Modell besser geeignet sein, während dieses auf Probleme ausgerichtet ist, die von explizitem Reasoning profitieren.