Qwen: Qwen3 235B A22B Instruct 2507

Qwen : Qwen3 235B A22B Instruct 2507 est un modèle de génération de texte de Qwen. C'est un modèle de mélange d'experts multilingue, ajusté sur instructions, construit sur l'architecture Qwen3 235B, avec 22 milliards de paramètres actifs par passe avant. La date de publication par le fournisseur est le 21 juillet 2025, et la date limite de connaissances du modèle est le 30 juin 2025.

Le modèle fonctionne avec une entrée texte et produit uniquement une sortie texte, il est donc destiné aux tâches linguistiques plutôt qu'au travail sur image ou audio. Sa fenêtre de contexte est de 262 144 tokens, ce qui permet de traiter des invites très longues, de grands documents ou des conversations étendues en une seule requête. La sortie maximale est de 16 384 tokens par réponse. En tant que modèle ajusté sur instructions, il est optimisé pour la génération de texte à usage général, y compris le suivi d'instructions, et son entraînement multilingue le rend adapté au travail dans plus d'une langue.

Ces capacités ouvrent sur un ensemble assez large d'usages pratiques. L'analyse de documents longs, le résumé et la réponse à des questions sur de grandes entrées sont des applications naturelles compte tenu de la fenêtre de contexte. Parce que le modèle suit les instructions et traite du texte multilingue, il convient aussi aux assistants de chat, à la rédaction de contenu, aux flux de travail proches de la traduction et à l'extraction de données structurées. La combinaison de la prise en charge de l'utilisation d'outils et de la sortie structurée signifie qu'il peut être placé derrière une boucle d'agent ou utilisé pour produire des réponses lisibles par machine pour des systèmes en aval.

Vous pouvez appeler le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "qwen/qwen3-235b-a22b-2507". Les requêtes prennent en charge un large ensemble de paramètres : temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty et repetition_penalty pour le contrôle de l'échantillonnage ; max_tokens et stop pour la longueur et la terminaison de la sortie ; seed pour la reproductibilité ; et logprobs avec top_logprobs pour les probabilités au niveau des tokens. Pour le travail structuré, il y a response_format et structured_outputs, et pour l'appel de fonctions, il y a tools et tool_choice. logit_bias est également accepté. Tout client qui parle le format OpenAI chat completions devrait fonctionner avec ces champs.

Une limite pratique à garder à l'esprit est la longueur de sortie : 16 384 tokens par réponse, même si le contexte d'entrée est bien plus grand, donc les tâches qui nécessitent de très longues complétions uniques peuvent exiger de découper le travail. Le modèle est uniquement textuel, donc si votre entrée ou sortie implique des images ou de l'audio, un autre modèle est plus adapté. Comme la date limite de connaissances est le 30 juin 2025, tout ce qui suit cette date dépend de l'invite ou des outils que vous fournissez plutôt que des connaissances propres du modèle.