Qwen: Qwen3 VL 8B Instruct

Qwen: Qwen3 VL 8B Instruct est un modèle multimodal vision-langage de la série Qwen3-VL, créé par Qwen. Il a été publié par le fournisseur le 2025-10-14. Le modèle appartient à la catégorie texte sur api14, et sa conception est centrée sur une compréhension et un raisonnement de haute fidélité à travers le texte, les images et la vidéo, avec une fusion multimodale améliorée utilisant Interleaved-MRoPE pour les tâches à long horizon.

Le modèle accepte l'image et le texte comme entrées et renvoie du texte. Sa fenêtre de contexte est de 262 144 tokens, et la sortie maximale est de 235 929 tokens. Cette combinaison d'un grand contexte et d'un grand budget de sortie signifie que vous pouvez fournir de longs documents ou de nombreuses images avec vos instructions tout en laissant de la place pour une réponse générée substantielle. Comme la modalité de sortie est uniquement le texte, le modèle convient aux tâches où la réponse est du langage écrit plutôt que des médias générés.

Les utilisations pratiques découlent directement de ces capacités. Vous pouvez envoyer une image avec une question et obtenir une réponse textuelle, ce qui convient à la compréhension de documents et de captures d'écran, à l'extraction d'informations à partir de documents scannés ou photographiés, et à la description ou au raisonnement sur un contenu visuel. Comme la vidéo fait partie du périmètre déclaré du modèle, il peut également être appliqué à des tâches impliquant un raisonnement sur une entrée vidéo. Le contexte long prend en charge les flux de travail multi-images ou à longs documents où le modèle doit examiner beaucoup de matière à la fois avant de produire sa réponse.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'id de modèle "qwen/qwen3-vl-8b-instruct". Les paramètres de requête pris en charge sont frequency_penalty, logit_bias, logprobs, max_tokens, 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, vous pouvez donc intégrer le modèle dans des flux d'appel de fonctions ou contraindre sa sortie à un schéma. Le comportement d'échantillonnage peut être ajusté avec temperature, top_p et top_k, tandis que seed, stop et les paramètres de pénalité vous donnent un contrôle supplémentaire sur le déterminisme et la répétition.

Si votre tâche est uniquement textuelle et n'implique pas d'images ou de vidéo, la capacité de vision ne vous apporte rien, et un modèle uniquement textuel peut être plus adapté. Il en va de même si vous avez besoin d'une modalité de sortie autre que le texte, puisque ce modèle renvoie uniquement du texte.