Qwen: Qwen3 32B

Qwen : Qwen3 32B est un modèle texte de Qwen, appartenant à la série Qwen3. C'est un modèle de langage causal dense de 32,8 milliards de paramètres, publié par le fournisseur le 2025-04-28. Le modèle est conçu à la fois pour le raisonnement complexe et pour le dialogue efficace, et il prend en charge le basculement entre un mode réflexion et un mode non réflexion. Sa date de coupure des connaissances est le 2025-03-31.

Le modèle accepte une entrée texte et produit une sortie texte, c'est donc un système texte-vers-texte sans traitement d'image ni d'audio. Il offre une fenêtre de contexte de 131 072 tokens, ce qui permet de traiter de longs documents, des conversations étendues ou de gros fichiers de code en une seule requête. La sortie maximale est de 16 384 tokens, les réponses peuvent donc être substantielles mais restent bornées. Comme il est conçu pour le raisonnement autant que pour le dialogue, il peut résoudre des problèmes à plusieurs étapes avant de produire une réponse, et le comportement de raisonnement peut être contrôlé via les paramètres de la requête.

Ces capacités conviennent à un éventail de tâches de développement. L'analyse à long contexte de contrats, d'articles de recherche ou de documentation technique est pratique grâce à la fenêtre de 131 072 tokens. Le mode raisonnement aide pour des tâches telles que la résolution de problèmes mathématiques, les énigmes logiques, la génération et le débogage de code, ou la planification d'étapes dans un workflow d'agent. Le mode dialogue est plus adapté aux assistants de chat, au résumé, à la classification et à l'extraction, où la latence et la verbosité comptent. L'appel d'outils et les sorties structurées le rendent utilisable dans des pipelines qui nécessitent que le modèle appelle des fonctions ou renvoie des données au format JSON plutôt que du texte libre.

Vous pouvez appeler le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "qwen/qwen3-32b". Les paramètres de requête pris en charge sont frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_a, top_k, top_logprobs et top_p. Les paramètres reasoning et include_reasoning se rapportent au mode réflexion du modèle, tandis que tools et tool_choice prennent en charge l'appel de fonctions, et response_format et structured_outputs prennent en charge les formes de sortie contraintes. Le comportement d'échantillonnage peut être ajusté avec temperature, top_p, top_k, min_p, top_a, repetition_penalty, frequency_penalty et presence_penalty, et seed, stop, logprobs et top_logprobs offrent un contrôle supplémentaire sur la reproductibilité et la sortie au niveau des tokens.

Les principales limites pratiques sont l'entrée et la sortie texte uniquement et la sortie maximale de 16 384 tokens, donc les tâches qui nécessitent la compréhension d'images ou des réponses uniques très longues peuvent mieux convenir à un autre modèle. Le contexte de 131 072 tokens est grand mais fini, les entrées extrêmement longues doivent donc encore être découpées en segments. Si votre charge de travail dépend de modalités au-delà du texte, ou de sorties plus longues que le maximum indiqué, envisagez plutôt un modèle doté de ces capacités.