Qwen: Qwen3 Next 80B A3B Instruct

Qwen3 Next 80B A3B Instruct es un modelo de chat ajustado a instrucciones de Qwen, parte de la serie Qwen3-Next. Es un modelo de texto, y el proveedor lo describe como optimizado para respuestas rápidas y estables sin rastros de "pensamiento". Fue lanzado por el proveedor el 2025-09-11 y tiene una fecha de corte de conocimiento del 2025-09-30.

El modelo acepta entrada de texto y devuelve salida de texto. Tiene una ventana de contexto de 262144 tokens y una salida máxima de 235929 tokens, por lo que puede manejar prompts muy largos y producir completaciones largas dentro de la misma solicitud. El proveedor lo posiciona para tareas complejas en razonamiento, generación de código, QA de conocimiento y trabajo multilingüe. Debido a que no emite rastros de pensamiento, las respuestas vuelven como respuestas directas en lugar de pasos de razonamiento separados.

Esas características apuntan a algunos usos prácticos. Documentos largos, bases de código grandes o historiales de conversación extensos caben cómodamente dentro de la ventana de contexto, lo que se adapta a la summarización, la respuesta a preguntas sobre material pegado y asistentes multiturno que necesitan retener mucho contexto previo. La generación y explicación de código son ajustes naturales dada la descripción del proveedor, al igual que el QA de conocimiento y el manejo multilingüe. La gran salida máxima también ayuda cuando necesitas una única generación larga, como un informe detallado o un archivo completo, en lugar de una respuesta corta.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "qwen/qwen3-next-80b-a3b-instruct". Las solicitudes siguen la forma familiar de chat completions, por lo que los SDKs y clientes de OpenAI existentes funcionan con un cambio de URL base e id de modelo. El modelo admite un amplio conjunto de parámetros de solicitud: 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 y top_p. El llamado a herramientas y las salidas estructuradas están disponibles a través de los parámetros tools, tool_choice, response_format y structured_outputs, y seed más los controles de muestreo te permiten ajustar la reproducibilidad y el estilo de salida.

Dado que este es un modelo solo de texto, las tareas que requieren imagen, audio u otra entrada no textual quedan fuera de lo que acepta, y un modelo multimodal sería la mejor opción allí. La ausencia de rastros de pensamiento es un intercambio deliberado: si quieres un modelo que exponga sus pasos de razonamiento, este no está diseñado para eso. Dentro del trabajo de texto, sin embargo, la combinación de una ventana de contexto muy grande, un gran margen de salida y soporte de herramientas y salidas estructuradas cubre una amplia gama de casos de uso de desarrolladores.