Qwen: Qwen3 235B A22B Thinking 2507

Qwen3 235B A22B Thinking 2507 è un modello testuale di Qwen, rilasciato dal provider il 2025-07-25. È un modello linguistico Mixture-of-Experts (MoE) a pesi aperti, costruito per compiti di ragionamento complesso, e attiva 22B dei suoi 235B parametri per ogni forward pass. L'etichetta "Thinking" e i parametri di ragionamento che espone indicano che il modello è progettato per affrontare i problemi passo dopo passo anziché rispondere in un'unica passata.

Il modello accetta input testuale e restituisce output testuale, quindi si adatta a pipeline solo testo. Ha una finestra di contesto di 128.000 token e un output massimo di 16.384 token, con un knowledge cutoff al 2025-06-30. Poiché è un modello orientato al ragionamento, le risposte possono includere una fase di ragionamento, e i parametri include_reasoning e reasoning permettono di controllare come questa viene gestita nella risposta che ricevi.

Queste capacità indicano casi d'uso in cui conta un'attenta riflessione multi-step: risoluzione di problemi matematici e logici, analisi e generazione di codice, estrazione strutturata da documenti lunghi e pianificazione multi-step o supporto decisionale. Il contesto di 128.000 token è abbastanza ampio da contenere materiale di partenza sostanzioso insieme alle istruzioni, il che si adatta a compiti come la revisione di specifiche lunghe, il riassunto o l'interrogazione di report estesi e la risoluzione di problemi che richiedono al modello di tenere a mente molti vincoli contemporaneamente. Il supporto al tool calling lo rende inoltre utilizzabile in flussi di lavoro in stile agente, dove il modello decide quando chiamare una funzione.

Chiami il modello tramite l'API compatibile con OpenAI di api14 usando il model id "qwen/qwen3-235b-a22b-thinking-2507". I parametri di richiesta supportati sono frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, stop, temperature, tool_choice, tools, top_k e top_p. Poiché l'interfaccia è compatibile con OpenAI, puoi puntare un client OpenAI esistente su api14 e cambiare il model id, poi regolare il campionamento con temperature, top_p o top_k, limitare la risposta con max_tokens e passare tools e tool_choice quando vuoi il function calling.

Tieni presente il limite di output: max_tokens ha un tetto di 16.384, quindi i compiti che richiedono una singola risposta molto lunga potrebbero richiedere di suddividere il lavoro su più chiamate. Il modello è solo testo, quindi se il tuo input include immagini o audio avresti bisogno di un modello diverso. Per compiti testuali semplici e ad alto volume, dove non serve un ragionamento profondo, un modello più leggero può essere più adatto, mentre questo è pensato per problemi che traggono beneficio da un ragionamento esplicito.