Qwen: Qwen3 VL 235B A22B Instruct

Qwen3 VL 235B A22B Instruct ist ein offenes multimodales Modell von Qwen, das vom Anbieter am 23. September 2025 veröffentlicht wurde. Es gehört zur Qwen3 VL Familie und ist die instruktionsoptimierte Variante, die auf allgemeine Vision-Language-Arbeit und nicht auf reine Forschungsexperimente ausgerichtet ist. Da die Gewichte offen sind, können Sie überprüfen, was Sie ausführen, und Deployment-Optionen jenseits eines einzelnen gehosteten Endpunkts abwägen.

Das Modell akzeptiert Text und Bilder als Eingabe und gibt Text zurück. Sein Kontextfenster beträgt 262144 Token, und die maximale Ausgabe beträgt 32768 Token. Der Anbieter beschreibt es als Vereinigung starker Textgenerierung mit visuellem Verständnis über Bilder und Video, wobei das Instruct-Modell auf allgemeine Vision-Language-Nutzung wie visuelle Fragebeantwortung, Dokumentenparsing und Diagramm- oder Tabellenverständnis abzielt. Sein Wissensstichtag ist der 31. März 2025, sodass alles nach diesem Datum außerhalb dessen liegt, was das Modell während des Trainings gelernt hat.

Diese Fähigkeiten deuten auf eine ziemlich spezifische Gruppe von Aufgaben hin. Visuelle Fragebeantwortung über Screenshots, Fotos oder Diagramme ist die offensichtliche. Dokumentenparsing passt zur Kombination aus langem Kontext und Bildeingabe, da mehrseitige Scans und dichte Layouts ohne aggressives Chunking übergeben werden können. Diagramm- und Tabellenverständnis eignet sich für Analyse-Workflows, bei denen die Quelle eine gerenderte Abbildung statt sauberer CSV ist. Auch reine Textaufgaben funktionieren für sich, sodass ein einzelnes Modell gemischte Pipelines bewältigen kann, bei denen einige Anfragen Bilder enthalten und andere reinen Text.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "qwen/qwen3-vl-235b-a22b-instruct" auf. Die unterstützten Parameter sind frequency_penalty, logit_bias, logprobs, max_tokens, min_p, presence_penalty, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs und top_p. Tool-Aufrufe und strukturierte Ausgaben sind beide verfügbar, was bedeutet, dass Sie das Modell in Function-Calling-Schleifen einbinden oder Antworten auf ein Schema beschränken können. Sampling-Steuerungen decken die üblichen temperature und top_p sowie min_p, top_k und repetition_penalty ab, und seed plus logprobs und top_logprobs geben Ihnen Reproduzierbarkeit und Token-Level-Inspektion, wenn Sie sie benötigen.

Zwei praktische Einschränkungen sind vor einer Festlegung erwähnenswert. Die Ausgabeobergrenze von 32768 Token liegt deutlich unter dem Eingabefenster von 262144 Token, sodass Aufgaben, die sehr lange generierte Antworten erfordern, etwa das Transkribieren eines großen Dokuments in einem Durchgang, über mehrere Aufrufe aufgeteilt werden müssen. Der Wissensstichtag vom 31. März 2025 bedeutet außerdem, dass Fragen zu aktuellen Ereignissen möglicherweise Retrieval oder ein anderes Modell mit frischeren Trainingsdaten erfordern. Wenn Ihre Arbeitslast nur Text umfasst und nicht von Bildeingabe profitiert, könnte ein textfokussiertes Modell einfacher passen.