Qwen: Qwen3 Next 80B A3B Instruct

Qwen3 Next 80B A3B Instruct adalah model chat yang diinstruksikan (instruction-tuned) dari Qwen, bagian dari seri Qwen3-Next. Ini adalah model teks, dan penyedia mendeskripsikannya sebagai dioptimalkan untuk respons yang cepat dan stabil tanpa jejak "thinking". Model ini dirilis oleh penyedia pada 2025-09-11 dan memiliki batas pengetahuan (knowledge cutoff) pada 2025-09-30.

Model ini menerima input teks dan mengembalikan output teks. Model ini memiliki context window sebesar 262144 token dan output maksimum 235929 token, sehingga dapat menangani prompt yang sangat panjang dan menghasilkan completion yang panjang dalam satu permintaan yang sama. Penyedia memposisikannya untuk tugas-tugas kompleks di bidang penalaran, pembuatan kode, tanya jawab pengetahuan, dan pekerjaan multibahasa. Karena model ini tidak mengeluarkan jejak thinking, responsnya kembali sebagai jawaban langsung alih-alih langkah penalaran yang terpisah.

Karakteristik tersebut mengarah pada beberapa penggunaan praktis. Dokumen panjang, basis kode besar, atau riwayat percakapan yang panjang dapat muat dengan nyaman di dalam context window, yang cocok untuk peringkasan, tanya jawab atas materi yang ditempel, dan asisten multi-turn yang perlu mempertahankan banyak konteks sebelumnya. Pembuatan dan penjelasan kode adalah kecocokan alami berdasarkan deskripsi penyedia, begitu juga dengan tanya jawab pengetahuan dan penanganan multibahasa. Output maksimum yang besar juga membantu ketika Anda membutuhkan satu generasi panjang, seperti laporan terperinci atau file lengkap, alih-alih balasan singkat.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "qwen/qwen3-next-80b-a3b-instruct". Permintaan mengikuti bentuk chat completions yang sudah familiar, sehingga SDK dan klien OpenAI yang ada dapat bekerja dengan mengubah base URL dan model id. Model ini mendukung berbagai parameter permintaan: 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, dan top_p. Pemanggilan tool (tool calling) dan output terstruktur tersedia melalui parameter tools, tool_choice, response_format, dan structured_outputs, serta seed ditambah kontrol sampling memungkinkan Anda menyetel reproduksibilitas dan gaya output.

Karena ini adalah model khusus teks, tugas yang memerlukan input gambar, audio, atau non-teks lainnya berada di luar cakupan yang dapat diterimanya, dan model multimodal akan menjadi pilihan yang lebih baik untuk itu. Tidak adanya jejak thinking adalah trade-off yang disengaja: jika Anda menginginkan model yang menampilkan langkah penalarannya, model ini tidak dirancang untuk itu. Namun dalam pekerjaan teks, kombinasi context window yang sangat besar, alokasi output yang besar, serta dukungan tool dan output terstruktur mencakup berbagai kasus penggunaan pengembang.