Qwen: Qwen3 VL 235B A22B Instruct

Qwen3 VL 235B A22B Instruct est un modèle multimodal à poids ouverts de Qwen, publié par le fournisseur le 23 septembre 2025. Il appartient à la famille Qwen3 VL et constitue la variante affinée pour les instructions, destinée aux tâches générales de vision-langage plutôt qu'à l'expérimentation brute de recherche. Comme les poids sont ouverts, vous pouvez inspecter ce que vous exécutez et réfléchir aux options de déploiement au-delà d'un simple point de terminaison hébergé.

Le modèle accepte le texte et les images en entrée et renvoie du texte. Sa fenêtre de contexte est de 262144 tokens, et la sortie maximale est de 32768 tokens. Le fournisseur le décrit comme unifiant une génération de texte solide avec la compréhension visuelle des images et des vidéos, le modèle Instruct ciblant l'usage général vision-langage tel que la réponse à des questions visuelles, l'analyse de documents et la compréhension de graphiques ou de tableaux. Sa date de coupure des connaissances est le 31 mars 2025, donc tout ce qui est postérieur à cette date échappe à ce que le modèle a appris pendant l'entraînement.

Ces capacités correspondent à un ensemble assez précis de tâches. La réponse à des questions visuelles sur des captures d'écran, des photos ou des diagrammes est l'évidence. L'analyse de documents correspond à la combinaison d'un long contexte et d'une entrée image, car des scans multipages et des mises en page denses peuvent être fournis sans découpage agressif. La compréhension de graphiques et de tableaux convient aux flux de travail analytiques où la source est une figure rendue plutôt qu'un CSV propre. Les tâches de texte long fonctionnent aussi seules, donc un même modèle peut gérer des pipelines mixtes où certaines requêtes contiennent des images et d'autres sont du texte pur.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "qwen/qwen3-vl-235b-a22b-instruct". Les paramètres pris en charge sont 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, et top_p. L'appel d'outils et les sorties structurées sont tous deux disponibles, ce qui signifie que vous pouvez intégrer le modèle dans des boucles d'appel de fonctions ou contraindre les réponses à un schéma. Les contrôles d'échantillonnage couvrent les paramètres habituels temperature et top_p ainsi que min_p, top_k et repetition_penalty, et seed avec logprobs et top_logprobs vous donnent la reproductibilité et l'inspection au niveau des tokens lorsque vous en avez besoin.

Deux contraintes pratiques méritent d'être notées avant de vous engager. Le plafond de sortie de 32768 tokens est bien inférieur à la fenêtre d'entrée de 262144 tokens, donc les tâches qui exigent des réponses générées très longues, comme la transcription d'un grand document en une seule passe, devront être réparties sur plusieurs appels. La date de coupure des connaissances du 31 mars 2025 signifie aussi que les questions sur des événements récents peuvent nécessiter une recherche documentaire ou un autre modèle avec des données d'entraînement plus récentes. Si votre charge de travail est uniquement textuelle et ne tire pas parti de l'entrée image, un modèle axé sur le texte peut être plus simple à utiliser.