Qwen: Qwen3 Next 80B A3B Thinking

Qwen: Qwen3 Next 80B A3B Thinking adalah model teks dari Qwen, bagian dari lini Qwen3-Next. Ini adalah model chat yang mengutamakan penalaran, yang berarti model ini menghasilkan jejak pemikiran terstruktur secara default alih-alih menjawab langsung. Provider merilisnya pada 11 September 2025, dan batas pengetahuan (knowledge cutoff) nya adalah 30 September 2025.

Model ini menerima input teks dan mengembalikan output teks. Jendela konteksnya adalah 262,144 token, dan output maksimumnya adalah 235,929 token, sehingga input panjang dan generasi panjang sama-sama memungkinkan dalam batas tersebut. Karena mengutamakan penalaran, respons biasanya menyertakan jejak pemikiran bersama jawaban akhir, dan parameter include_reasoning serta reasoning memungkinkan Anda mengontrol bagaimana jejak tersebut ditangani dalam respons. Model ini dirancang untuk masalah bertahap yang sulit, bukan untuk balasan percakapan yang cepat.

Desain tersebut mengarah pada serangkaian kasus penggunaan yang cukup spesifik. Provider menggambarkannya cocok untuk pembuktian matematika, sintesis dan debugging kode, masalah logika, dan pekerjaan agentic. Dalam praktiknya, Anda akan menggunakannya ketika suatu tugas membutuhkan beberapa langkah yang saling bergantung, seperti mengerjakan derivasi, melacak bug di seluruh basis kode, atau merencanakan dan menjalankan urutan pemanggilan tool. Model ini kurang jelas cocok untuk chat sederhana yang sensitif terhadap latensi, di mana model tanpa penalaran biasanya menjadi pilihan yang lebih langsung.

Melalui api14 Anda memanggilnya dengan model id "qwen/qwen3-next-80b-a3b-thinking" melalui API yang kompatibel dengan OpenAI, sehingga pustaka klien OpenAI yang ada dapat bekerja dengan mengubah base URL dan model id. Parameter permintaan yang didukung adalah frequency_penalty, include_reasoning, logprobs, max_tokens, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs dan top_p. Pemanggilan tool dan output terstruktur keduanya tersedia, yang penting untuk pekerjaan agentic dan berorientasi kode yang dijelaskan di atas, dan logprobs serta top_logprobs memberi Anda visibilitas tingkat token saat Anda membutuhkannya.

Beberapa catatan praktis muncul dari fakta-fakta tersebut. Input dan output hanya berupa teks, jadi tugas gambar atau audio memerlukan model yang berbeda. Jendela konteks yang besar dan batas output cocok untuk dokumen panjang dan penalaran yang diperluas, tetapi jejak pemikiran menambah token output yang mungkin ingin Anda perhitungkan saat menetapkan max_tokens. Jika tugas Anda singkat dan tidak mendapat manfaat dari penalaran langkah demi langkah, model tanpa desain yang mengutamakan penalaran mungkin menjadi pilihan yang lebih sederhana.