Qwen: Qwen3 235B A22B Instruct 2507

Qwen: Qwen3 235B A22B Instruct 2507 es un modelo de generación de texto de Qwen. Es un modelo de mezcla de expertos multilingüe ajustado a instrucciones, construido sobre la arquitectura Qwen3 235B, con 22 mil millones de parámetros activos por pasada hacia adelante. La fecha de lanzamiento del proveedor es el 21 de julio de 2025, y el corte de conocimiento del modelo es el 30 de junio de 2025.

El modelo trabaja con entrada de texto y produce únicamente salida de texto, por lo que está orientado a tareas de lenguaje en lugar de trabajo con imágenes o audio. Su ventana de contexto es de 262,144 tokens, lo que permite manejar prompts muy largos, documentos grandes o conversaciones extendidas en una sola solicitud. La salida máxima es de 16,384 tokens por respuesta. Como modelo ajustado a instrucciones, está optimizado para la generación de texto de propósito general, incluido el seguimiento de instrucciones, y su entrenamiento multilingüe lo hace adecuado para trabajar en más de un idioma.

Estas capacidades apuntan a un conjunto bastante amplio de usos prácticos. El análisis de documentos largos, la summarización y las respuestas a preguntas sobre entradas grandes encajan de forma natural dada la ventana de contexto. Debido a que el modelo sigue instrucciones y maneja texto multilingüe, también es adecuado para asistentes de chat, redacción de contenido, flujos de trabajo relacionados con la traducción y extracción de datos estructurados. La combinación de uso de herramientas y soporte de salida estructurada significa que puede colocarse detrás de un bucle de agente o usarse para producir respuestas legibles por máquina para sistemas posteriores.

Puedes llamar al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "qwen/qwen3-235b-a22b-2507". Las solicitudes admiten un amplio conjunto de parámetros: temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty y repetition_penalty para el control de muestreo; max_tokens y stop para la longitud de salida y la terminación; seed para reproducibilidad; y logprobs con top_logprobs para probabilidades a nivel de token. Para trabajo estructurado están response_format y structured_outputs, y para el llamado a funciones están tools y tool_choice. También se acepta logit_bias. Cualquier cliente que hable el formato de chat completions de OpenAI debería funcionar con estos campos.

Un límite práctico a tener en cuenta es la longitud de salida: 16,384 tokens por respuesta, aunque el contexto de entrada es mucho mayor, por lo que las tareas que necesitan completaciones únicas muy largas pueden requerir dividir el trabajo. El modelo es solo de texto, así que si tu entrada o salida involucra imágenes o audio, un modelo diferente es la mejor opción. Dado que el corte de conocimiento es el 30 de junio de 2025, cualquier cosa posterior a esa fecha depende del prompt o de las herramientas que proporciones, en lugar del conocimiento propio del modelo.