Qwen: Qwen3 Next 80B A3B Thinking

Qwen: Qwen3 Next 80B A3B Thinking es un modelo de texto de Qwen, parte de la línea Qwen3-Next. Es un modelo de chat con razonamiento primero, lo que significa que produce trazas de pensamiento estructuradas por defecto en lugar de responder de inmediato. El proveedor lo lanzó el 11 de septiembre de 2025, y su fecha de corte de conocimiento es el 30 de septiembre de 2025.

El modelo acepta entrada de texto y devuelve salida de texto. Su ventana de contexto es de 262,144 tokens, y la salida máxima es de 235,929 tokens, por lo que tanto las entradas largas como las generaciones largas son posibles dentro de esos límites. Debido a que es de razonamiento primero, las respuestas suelen incluir una traza de pensamiento junto con la respuesta final, y los parámetros include_reasoning y reasoning te permiten controlar cómo se maneja esa traza en la respuesta. Está diseñado para problemas difíciles de varios pasos en lugar de respuestas conversacionales rápidas.

Ese diseño apunta a un conjunto bastante específico de casos de uso. El proveedor lo describe como adecuado para demostraciones matemáticas, síntesis y depuración de código, problemas de lógica y trabajo agéntico. En la práctica, lo usarías cuando una tarea necesita varios pasos dependientes, como desarrollar una derivación, rastrear un error en una base de código, o planificar y ejecutar una secuencia de llamadas a herramientas. Es menos evidente que encaje para chat simple y sensible a la latencia, donde un modelo sin razonamiento suele ser la opción más directa.

A través de api14 lo llamas con el id de modelo "qwen/qwen3-next-80b-a3b-thinking" mediante la API compatible con OpenAI, por lo que las bibliotecas cliente de OpenAI existentes funcionan con un cambio de URL base e id de modelo. Los parámetros de solicitud admitidos son frequency_penalty, include_reasoning, logprobs, max_tokens, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs y top_p. Tanto el llamado a herramientas como las salidas estructuradas están disponibles, lo que importa para el trabajo agéntico y orientado a código descrito anteriormente, y logprobs más top_logprobs te dan visibilidad a nivel de token cuando la necesitas.

A continuación se presentan algunas notas prácticas que se derivan de los hechos. La entrada y la salida son solo texto, por lo que las tareas de imagen o audio necesitan un modelo diferente. La gran ventana de contexto y el límite de salida se adaptan a documentos largos y razonamiento extendido, pero las trazas de pensamiento añaden tokens de salida que quizá quieras tener en cuenta al establecer max_tokens. Si tu tarea es corta y no se beneficia de un razonamiento paso a paso, un modelo sin un diseño de razonamiento primero puede ser la opción más simple.