Qwen: Qwen3 VL 235B A22B Instruct

Qwen3 VL 235B A22B Instruct es un modelo multimodal de pesos abiertos de Qwen, publicado por el proveedor el 23 de septiembre de 2025. Pertenece a la familia Qwen3 VL y es la variante ajustada para instrucciones, orientada al trabajo de instrucciones en lugar de a la experimentación de investigación pura. Como los pesos son abiertos, puedes inspeccionar lo que estás ejecutando y razonar sobre opciones de despliegue más allá de un único endpoint.

El modelo acepta texto e imágenes como entrada y devuelve texto. Su ventana de contexto es de 262144 tokens, y la salida máxima es de 32768 tokens. El proveedor lo describe como la unificación de una sólida generación de texto con comprensión visual en imágenes y video, con la variante Instruct orientada al uso general de lenguaje y visión, como respuesta a preguntas visuales, análisis de documentos y comprensión de gráficos y tablas. Su fecha de corte de conocimiento es el 31 de marzo de 2025, por lo que todo lo posterior a esa fecha queda fuera de lo que el modelo aprendió durante el entrenamiento.

Esas capacidades apuntan a un conjunto bastante específico de tareas. La respuesta a preguntas visuales sobre capturas de pantalla, fotos o diagramas es la más obvia. El análisis de documentos encaja con la combinación de contexto largo y entrada de imágenes, ya que los escaneos de varias páginas y los diseños densos se pueden pasar sin un troceado agresivo. La comprensión de gráficos y tablas se adapta a flujos de trabajo analíticos donde la fuente es una figura renderizada en lugar de un CSV limpio. Las tareas de texto largo también funcionan por sí solas, por lo que un solo modelo puede gestionar pipelines mixtos donde algunas solicitudes llevan imágenes y otras son texto puro.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "qwen/qwen3-vl-235b-a22b-instruct". Los parámetros admitidos son 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. Tanto el llamamiento de herramientas como las salidas estructuradas están disponibles, lo que significa que puedes conectar el modelo a bucles de llamada a funciones o restringir las respuestas a un esquema. Los controles de muestreo cubren los habituales temperature y top_p, así como min_p, top_k y repetition_penalty, y seed junto con logprobs y top_logprobs te dan reproducibilidad e inspección a nivel de token cuando los necesitas.

Merece la pena señalar dos restricciones prácticas antes de comprometerte. El techo de salida de 32768 tokens está muy por debajo de la ventana de entrada de 262144 tokens, por lo que las tareas que requieren respuestas generadas muy largas, como transcribir un documento grande en una sola pasada, tendrán que dividirse en varias llamadas. La fecha de corte de conocimiento del 31 de marzo de 2025 también significa que las preguntas sobre eventos recientes pueden necesitar recuperación o un modelo diferente con datos de entrenamiento más frescos. Si tu carga de trabajo es solo texto y no se beneficia de la entrada de imágenes, un modelo centrado en texto puede ser una opción más sencilla.