Qwen: Qwen3 235B A22B Thinking 2507

Qwen3 235B A22B Thinking 2507 es un modelo de texto de Qwen, lanzado por el proveedor el 2025-07-25. Es un modelo de lenguaje de pesos abiertos con arquitectura de Mezcla de Expertos (MoE, por sus siglas en inglés) construido para tareas de razonamiento complejo, y activa 22B de sus 235B parámetros por cada pasada hacia adelante. La etiqueta "Thinking" y los parámetros de razonamiento que expone indican que el modelo está diseñado para resolver problemas paso a paso en lugar de responder en una sola pasada.

El modelo acepta entrada de texto y devuelve salida de texto, por lo que encaja en canalizaciones de solo texto. Tiene una ventana de contexto de 128,000 tokens y una salida máxima de 16,384 tokens, con un corte de conocimiento del 2025-06-30. Debido a que es un modelo orientado al razonamiento, las respuestas pueden incluir una fase de razonamiento, y los parámetros include_reasoning y reasoning te permiten controlar cómo se maneja eso en la respuesta que recibes.

Esas capacidades apuntan a casos de uso donde importa un pensamiento cuidadoso de varios pasos: resolución de problemas matemáticos y lógicos, análisis y generación de código, extracción estructurada de documentos largos, y planificación de varios pasos o apoyo a la toma de decisiones. El contexto de 128,000 tokens es lo bastante grande para contener material de origen sustancial junto con instrucciones, lo que se adapta a tareas como revisar especificaciones largas, resumir o consultar informes extensos, y resolver problemas que requieren que el modelo mantenga muchas restricciones en vista a la vez. El soporte de llamadas a herramientas también lo hace utilizable en flujos de trabajo estilo agente, donde el modelo decide cuándo llamar a una función.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "qwen/qwen3-235b-a22b-thinking-2507". Los parámetros de solicitud admitidos son frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, stop, temperature, tool_choice, tools, top_k y top_p. Dado que la interfaz es compatible con OpenAI, puedes apuntar un cliente de OpenAI existente a api14 y cambiar el id de modelo, luego ajustar el muestreo con temperature, top_p o top_k, limitar la respuesta con max_tokens, y pasar tools y tool_choice cuando quieras llamadas a funciones.

Ten en cuenta el límite de salida: max_tokens tiene un tope de 16,384, por lo que las tareas que necesitan una sola respuesta muy larga pueden requerir dividir el trabajo en varias llamadas. El modelo es de solo texto, así que si tu entrada incluye imágenes o audio necesitarías un modelo diferente. Para tareas de texto sencillas y de alto volumen donde no se necesita razonamiento profundo, un modelo más ligero puede ser una mejor opción, mientras que este está orientado a problemas que se benefician de un razonamiento explícito.