Qwen: Qwen3 VL 30B A3B Instruct

Qwen3 VL 30B A3B Instruct adalah model multimodal dari Qwen, dirilis oleh provider pada 2025-10-06. Model ini termasuk dalam keluarga Qwen3 VL, dan varian Instruct disetel untuk mengikuti instruksi pada tugas multimodal umum. Di api14 model ini terdaftar di bawah kategori text, dengan knowledge cutoff 2025-03-31.

Model ini menerima input teks dan gambar serta mengembalikan teks. Context window-nya 262144 token, dan output maksimumnya 16384 token. Provider mendeskripsikannya sebagai penyatuan generasi teks yang kuat dengan pemahaman visual untuk gambar dan video, dengan kekuatan khusus pada persepsi. Dalam praktiknya, ini berarti Anda dapat mengirim prompt yang mencampur instruksi tertulis dengan konten gambar dan menerima respons teks, semuanya dalam satu context yang sangat besar.

Kombinasi itu menunjukkan serangkaian penggunaan praktis yang cukup luas. Pemahaman dokumen dan screenshot, di mana pengguna mengunggah halaman atau tangkapan UI dan mengajukan pertanyaan tentangnya, cocok secara alami. Image captioning, visual question answering, dan ekstraksi detail terstruktur dari gambar semuanya masuk akal. Karena context window-nya besar, Anda dapat menyertakan teks panjang bersama gambar, misalnya spesifikasi panjang plus beberapa gambar referensi, tanpa memecah pekerjaan ke beberapa panggilan. Perilaku yang disetel untuk instruksi juga cocok untuk alur bergaya agent di mana model harus mengikuti format output yang ditentukan.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "qwen/qwen3-vl-30b-a3b-instruct". Karena antarmukanya kompatibel dengan OpenAI, klien dan SDK yang ada umumnya berfungsi hanya dengan mengubah base URL dan model id. Model ini mendukung banyak 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. Tool calling dan structured outputs tersedia jika alur kerja Anda membutuhkannya, dan seed plus kontrol sampling memungkinkan Anda menyetel determinisme dan variasi.

Beberapa batasan perlu diingat. Outputnya hanya teks, jadi model ini tidak menghasilkan gambar. Output maksimum 16384 token jauh di bawah context window 262144 token, jadi generasi yang sangat panjang tidak mungkin dilakukan dalam satu respons. Jika tugas Anda murni teks dan tidak melibatkan gambar, model khusus teks mungkin lebih cocok. Jika Anda memerlukan pembuatan gambar, bukan pemahaman gambar, model ini bukan pilihan yang tepat.