Qwen: Qwen3 235B A22B Instruct 2507

Qwen: Qwen3 235B A22B Instruct 2507 è un modello di generazione di testo di Qwen. È un modello mixture-of-experts multilingue ottimizzato per le istruzioni, costruito sull'architettura Qwen3 235B, con 22 miliardi di parametri attivi per ogni forward pass. La data di rilascio del provider è il 21 luglio 2025, e il knowledge cutoff del modello è il 30 giugno 2025.

Il modello lavora con input testuali e produce solo output testuali, quindi è pensato per attività linguistiche anziché per lavori su immagini o audio. La sua finestra di contesto è di 262.144 token, il che consente di gestire prompt molto lunghi, documenti di grandi dimensioni o conversazioni estese in una singola richiesta. L'output massimo è di 16.384 token per risposta. Essendo un modello ottimizzato per le istruzioni, è ottimizzato per la generazione di testo generico, incluso il rispetto delle istruzioni, e la sua formazione multilingue lo rende adatto a lavorare su più di una lingua.

Queste capacità indicano un insieme piuttosto ampio di usi pratici. L'analisi di documenti lunghi, il riassunto e la risposta a domande su input di grandi dimensioni sono applicazioni naturali data la finestra di contesto. Poiché il modello segue le istruzioni e gestisce testo multilingue, si adatta anche ad assistenti chat, stesura di contenuti, flussi di lavoro affini alla traduzione ed estrazione di dati strutturati. La combinazione di uso di strumenti e supporto all'output strutturato significa che può essere inserito in un ciclo di agenti o usato per produrre risposte leggibili dalla macchina per sistemi a valle.

Puoi chiamare il modello tramite l'API compatibile con OpenAI di api14 usando il model id "qwen/qwen3-235b-a22b-2507". Le richieste supportano un ampio insieme di parametri: temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty e repetition_penalty per il controllo del campionamento; max_tokens e stop per la lunghezza e la terminazione dell'output; seed per la riproducibilità; e logprobs con top_logprobs per le probabilità a livello di token. Per il lavoro strutturato ci sono response_format e structured_outputs, e per il function calling ci sono tools e tool_choice. È accettato anche logit_bias. Qualsiasi client che parla il formato chat completions di OpenAI dovrebbe funzionare con questi campi.

Un limite pratico da tenere a mente è la lunghezza dell'output: 16.384 token per risposta, anche se il contesto di input è molto più grande, quindi le attività che richiedono completamenti singoli molto lunghi potrebbero richiedere di suddividere il lavoro. Il modello è solo testo, quindi se il tuo input o output coinvolge immagini o audio, un modello diverso è la scelta migliore. Poiché il knowledge cutoff è il 30 giugno 2025, qualsiasi cosa successiva a quella data dipende dal prompt o dagli strumenti che fornisci, non dalla conoscenza del modello stesso.