Qwen: Qwen3 VL 30B A3B Instruct

Qwen3 VL 30B A3B Instruct es un modelo multimodal de Qwen, publicado por el proveedor el 2025-10-06. Pertenece a la familia Qwen3 VL, y la variante Instruct está ajustada para el seguimiento de instrucciones en tareas multimodales generales. En api14 aparece en la categoría de texto, con un corte de conocimiento del 2025-03-31.

El modelo acepta entradas de texto e imagen y devuelve texto. Su ventana de contexto es de 262144 tokens, y la salida máxima es de 16384 tokens. El proveedor lo describe como la unificación de una generación de texto sólida con la comprensión visual de imágenes y vídeos, con especial fortaleza en la percepción. En la práctica, esto significa que puedes enviar un prompt que mezcle instrucciones escritas con contenido de imagen y recibir una respuesta de texto, todo dentro de un único contexto muy grande.

Esa combinación apunta a un conjunto bastante amplio de usos prácticos. La comprensión de documentos y capturas de pantalla, donde un usuario sube una página o una captura de interfaz y hace preguntas sobre ella, encaja de forma natural. El etiquetado de imágenes, la respuesta a preguntas visuales y la extracción de detalles estructurados a partir de imágenes son razonables. Como la ventana de contexto es grande, puedes incluir texto largo junto a imágenes, por ejemplo una especificación extensa más varias imágenes de referencia, sin dividir el trabajo en varias llamadas. El comportamiento ajustado para instrucciones también encaja con flujos de estilo agente en los que el modelo debe seguir un formato de salida definido.

Puedes llamar al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "qwen/qwen3-vl-30b-a3b-instruct". Como la interfaz es compatible con OpenAI, los clientes y SDK existentes suelen funcionar con solo cambiar la URL base y el 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. Por lo tanto, el llamamiento a herramientas y las salidas estructuradas están disponibles si tu flujo de trabajo los necesita, y seed junto con los controles de muestreo te permiten ajustar el determinismo y la variedad.

Merece la pena tener en cuenta algunos límites. La salida es solo texto, por lo que el modelo no genera imágenes. La salida máxima de 16384 tokens está muy por debajo de la ventana de contexto de 262144 tokens, así que las generaciones muy largas no son posibles en una sola respuesta. Si tu tarea es puramente texto y no implica imágenes, un modelo solo de texto puede encajar mejor. Si necesitas generación de imágenes en lugar de comprensión de imágenes, este modelo no es la opción adecuada.