Qwen: Qwen3 30B A3B Instruct 2507

Qwen: Qwen3 30B A3B Instruct 2507 es un modelo de generación de texto de Qwen. Es un modelo de lenguaje de mezcla de expertos de 30.5B parámetros, con 3.3B parámetros activos por inferencia, y opera en modo no pensante. El modelo fue lanzado por el proveedor el 2025-07-29 y tiene un corte de conocimiento del 2025-06-30. Está diseñado para el seguimiento de instrucciones de alta calidad y la comprensión multilingüe.

El modelo acepta entrada de texto y produce salida de texto, por lo que se adapta a canalizaciones solo de texto. Su ventana de contexto es de 262144 tokens, y la salida máxima es de 235929 tokens. Debido a que se ejecuta en modo no pensante, devuelve respuestas directas en lugar de un rastro de razonamiento separado. Los parámetros de solicitud admitidos incluyen temperature, top_p, top_k, frequency_penalty, presence_penalty, repetition_penalty, max_tokens, stop, seed, logit_bias, logprobs, top_logprobs, response_format, structured_outputs, tools y tool_choice.

Esas capacidades apuntan a algunos usos prácticos. Las entradas largas hasta la ventana de contexto completa son adecuadas para el análisis de documentos, el resumen y la respuesta a preguntas sobre grandes volúmenes de texto. La comprensión multilingüe ayuda con la traducción y las tareas entre idiomas. El seguimiento de instrucciones y las salidas estructuradas lo hacen razonablemente adecuado para la extracción a JSON u otros esquemas, y el llamado a herramientas admite agentes y flujos de trabajo que necesitan invocar funciones externas. Los parámetros logprobs y top_logprobs son útiles cuando necesitas inspeccionar la confianza a nivel de token.

Puedes llamar al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "qwen/qwen3-30b-a3b-instruct-2507". Apunta tu cliente OpenAI existente a la URL base de api14 y pasa ese id en el campo model de una solicitud de chat completion. El cuerpo de la solicitud puede incluir cualquiera de los parámetros admitidos listados arriba, como temperature, top_p, top_k, max_tokens, stop, seed, response_format, structured_outputs, tools y tool_choice, junto con las opciones de penalización y logprob. Esto significa que el código escrito para la forma de chat completions de OpenAI generalmente funciona sin cambios más allá de la URL base y el id de modelo.

Un límite a tener en cuenta es la modalidad: el modelo maneja solo texto, por lo que las entradas de imagen, audio y otras entradas que no sean texto quedan fuera de su alcance. Si tu tarea depende de esas entradas, un modelo multimodal encajaría mejor. El modo no pensante también significa que no hay una salida de razonamiento separada que inspeccionar, lo cual importa si específicamente deseas una cadena de pensamiento visible. Para la generación de texto sencilla, el seguimiento de instrucciones y el uso de herramientas dentro de los límites de contexto y salida indicados, este modelo es una opción directa.