Qwen: Qwen3 235B A22B Thinking 2507

Qwen3 235B A22B Thinking 2507 est un modèle de texte de Qwen, publié par le fournisseur le 2025-07-25. C'est un modèle de langage Mixture-of-Experts (MoE) à poids ouverts conçu pour des tâches de raisonnement complexe, et il active 22B de ses 235B paramètres à chaque passe avant. Le label "Thinking" et les paramètres de raisonnement qu'il expose indiquent que le modèle est conçu pour résoudre les problèmes étape par étape plutôt que de répondre en une seule passe.

Le modèle accepte une entrée texte et renvoie une sortie texte, il s'intègre donc dans des pipelines texte uniquement. Il dispose d'une fenêtre de contexte de 128 000 tokens et d'une sortie maximale de 16 384 tokens, avec une date limite de connaissances au 2025-06-30. Comme il s'agit d'un modèle orienté raisonnement, les réponses peuvent inclure une phase de raisonnement, et les paramètres include_reasoning et reasoning vous permettent de contrôler la façon dont cela est géré dans la réponse que vous recevez.

Ces capacités orientent vers des cas d'usage où une réflexion multi-étapes minutieuse compte : résolution de problèmes mathématiques et logiques, analyse et génération de code, extraction structurée à partir de longs documents, et planification multi-étapes ou aide à la décision. Le contexte de 128 000 tokens est suffisamment grand pour contenir une quantité substantielle de matériel source aux côtés des instructions, ce qui convient à des tâches telles que la revue de longues spécifications, le résumé ou l'interrogation de rapports volumineux, et la résolution de problèmes qui exigent que le modèle garde de nombreuses contraintes en vue simultanément. La prise en charge de l'appel d'outils le rend également utilisable dans des flux de travail de type agent où le modèle décide quand appeler une fonction.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "qwen/qwen3-235b-a22b-thinking-2507". Les paramètres de requête pris en charge sont frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, stop, temperature, tool_choice, tools, top_k et top_p. Comme l'interface est compatible OpenAI, vous pouvez pointer un client OpenAI existant vers api14 et changer l'identifiant de modèle, puis ajuster l'échantillonnage avec temperature, top_p ou top_k, plafonner la réponse avec max_tokens, et passer tools et tool_choice lorsque vous souhaitez un appel de fonction.

Gardez la limite de sortie à l'esprit : max_tokens est plafonné à 16 384, donc les tâches qui nécessitent une réponse unique très longue peuvent exiger de répartir le travail sur plusieurs appels. Le modèle est texte uniquement, donc si votre entrée inclut des images ou de l'audio, vous auriez besoin d'un modèle différent. Pour des tâches textuelles simples et à fort volume où un raisonnement approfondi n'est pas nécessaire, un modèle plus léger peut être plus adapté, tandis que celui-ci vise les problèmes qui bénéficient d'un raisonnement explicite.