Qwen: Qwen3.8 27B

Qwen: Qwen3.8 27B es un modelo denso de visión-lenguaje de pesos abiertos de Qwen. Pertenece a la categoría de texto en api14, y el proveedor lo describe como adecuado para programación, flujos de trabajo profesionales, investigación, interacción multimodal y tareas de agentes de larga duración. Debido a que los pesos son abiertos, también es una opción para equipos que quieren un modelo Qwen que puedan inspeccionar o autoalojar en otro lugar, aunque siga siendo accesible como endpoint alojado aquí.

En la entrada, el modelo acepta texto, imágenes y vídeo, y produce únicamente salida de texto. La ventana de contexto es de 1.000.000 de tokens, lo suficientemente grande como para contener documentos muy largos, historiales de conversación extensos o bases de código considerables en una sola solicitud. La salida máxima es de 235.929 tokens, por lo que las respuestas no tienen un límite estricto. El proveedor señala un pensamiento flexible, y el modelo expone un parámetro reasoning junto con include_reasoning y reasoning_effort, lo que permite decidir si se muestra el razonamiento y cuánto esfuerzo se dedica a él.

Esas capacidades apuntan a un conjunto bastante amplio de usos prácticos. La asistencia en programación encaja de forma natural, incluso en trabajos sobre repositorios grandes donde el contexto largo evita un troceado agresivo. Los flujos de trabajo profesionales y de investigación se benefician de poder pasar informes largos, artículos o material mixto de texto e imágenes y pedir un resultado escrito. Como se acepta vídeo como entrada, son posibles tareas como resumir o consultar material grabado. El llamamiento a herramientas y las salidas estructuradas lo hacen una opción razonable para pipelines de estilo agente que necesitan ejecutarse durante muchos pasos, y los controles de razonamiento permiten intercambiar profundidad por latencia según la tarea.

Se llama al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "qwen/qwen3.8-27b". Los parámetros de solicitud admitidos son frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_a, top_k, top_logprobs y top_p. En la práctica, esto cubre controles de muestreo, ejecuciones deterministas mediante seed, secuencias de parada, salida JSON o restringida por esquema a través de response_format y structured_outputs, y llamadas a funciones mediante tools y tool_choice.

Una restricción que vale la pena señalar es que la salida es solo texto, así que si se necesitan imágenes o audio generados, este modelo no los proporcionará. Es un modelo denso de 27B, por lo que un modelo más grande puede convenir a tareas que exigen el razonamiento más difícil, mientras que este sigue siendo una elección sensata cuando se quiere entrada multimodal, un contexto muy largo y pesos abiertos en un solo modelo.