Qwen: Qwen3 32B

Qwen: Qwen3 32B è un modello testuale di Qwen, parte della serie Qwen3. È un modello linguistico causale denso con 32,8 miliardi di parametri, rilasciato dal provider il 2025-04-28. Il modello è progettato sia per il ragionamento complesso sia per il dialogo efficiente, e supporta il passaggio tra una modalità di pensiero e una modalità senza pensiero. Il suo knowledge cutoff è 2025-03-31.

Il modello accetta input testuale e produce output testuale, quindi è un sistema text-to-text senza gestione di immagini o audio. Offre una finestra di contesto di 131.072 token, che consente di elaborare documenti lunghi, conversazioni estese o grandi file di codice in una singola richiesta. L'output massimo è di 16.384 token, quindi le risposte possono essere sostanziali ma sono limitate. Poiché è progettato per il ragionamento oltre che per il dialogo, può affrontare problemi a più passaggi prima di produrre una risposta, e il comportamento di ragionamento può essere controllato tramite i parametri della richiesta.

Queste capacità si adattano a una serie di attività per sviluppatori. L'analisi a contesto lungo di contratti, articoli di ricerca o documentazione tecnica è pratica data la finestra di 131.072 token. La modalità di ragionamento aiuta in attività come la risoluzione di problemi matematici, enigmi logici, generazione e debug di codice, o la pianificazione di passaggi in un flusso di lavoro agentico. La modalità di dialogo è più adatta per assistenti chat, riassunto, classificazione ed estrazione dove latenza e verbosità contano. Il tool calling e gli output strutturati lo rendono utilizzabile in pipeline che richiedono che il modello chiami funzioni o restituisca dati in formato JSON anziché testo libero.

Puoi chiamare il modello tramite l'API compatibile con OpenAI di api14 usando il model id "qwen/qwen3-32b". I parametri di richiesta supportati sono frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_a, top_k, top_logprobs e top_p. I parametri reasoning e include_reasoning riguardano la modalità di pensiero del modello, mentre tools e tool_choice supportano il function calling, e response_format e structured_outputs supportano forme di output vincolate. Il comportamento di campionamento può essere regolato con temperature, top_p, top_k, min_p, top_a, repetition_penalty, frequency_penalty e presence_penalty, e seed, stop, logprobs e top_logprobs offrono ulteriore controllo su riproducibilità e output a livello di token.

I principali limiti pratici sono l'input e l'output solo testuali e l'output massimo di 16.384 token, quindi le attività che richiedono comprensione di immagini o risposte singole molto lunghe potrebbero adattarsi meglio a un altro modello. Il contesto di 131.072 token è ampio ma finito, quindi input estremamente lunghi richiedono comunque una suddivisione in blocchi. Se il tuo carico di lavoro dipende da modalità oltre il testo, o da output più lunghi del massimo dichiarato, considera invece un modello con tali capacità.