Qwen: Qwen3 VL 235B A22B Instruct

Qwen3 VL 235B A22B Instruct è un modello multimodale a pesi aperti di Qwen, rilasciato dal provider il 23 settembre 2025. Appartiene alla famiglia Qwen3 VL ed è la variante ottimizzata per le istruzioni, pensata per attività generali di visione-linguaggio anziché per la sperimentazione di ricerca pura. Poiché i pesi sono aperti, puoi ispezionare ciò che stai eseguendo e valutare opzioni di deployment oltre a un singolo endpoint ospitato.

Il modello accetta testo e immagini come input e restituisce testo. La sua finestra di contesto è di 262144 token, e l'output massimo è di 32768 token. Il provider lo descrive come un modello che unisce una solida generazione di testo con la comprensione visiva di immagini e video, con il modello Instruct orientato all'uso generale di visione-linguaggio come la risposta a domande visive, l'analisi di documenti e la comprensione di grafici o tabelle. Il suo knowledge cutoff è il 31 marzo 2025, quindi tutto ciò che è successivo a tale data è al di fuori di quanto il modello ha appreso durante l'addestramento.

Queste capacità indicano un insieme piuttosto specifico di attività. La risposta a domande visive su screenshot, foto o diagrammi è quella più ovvia. L'analisi di documenti si adatta alla combinazione di contesto lungo e input di immagini, poiché scansioni multi-pagina e layout densi possono essere passati senza chunking aggressivo. La comprensione di grafici e tabelle si adatta a flussi di lavoro analitici in cui la fonte è una figura renderizzata anziché un CSV pulito. Anche le attività su testo lungo funzionano da sole, quindi un singolo modello può gestire pipeline miste in cui alcune richieste contengono immagini e altre sono puro testo.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando il model id "qwen/qwen3-vl-235b-a22b-instruct". I parametri supportati sono 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 e top_p. Sia il tool calling sia gli structured outputs sono disponibili, il che significa che puoi integrare il modello in cicli di function calling o vincolare le risposte a uno schema. I controlli di campionamento coprono i soliti temperature e top_p oltre a min_p, top_k e repetition_penalty, e seed più logprobs e top_logprobs ti offrono riproducibilità e ispezione a livello di token quando ti servono.

Due vincoli pratici meritano attenzione prima di impegnarti. Il limite di output di 32768 token è ben al di sotto della finestra di input di 262144 token, quindi le attività che richiedono risposte generate molto lunghe, come trascrivere un grande documento in un'unica passata, dovranno essere suddivise su più chiamate. Il knowledge cutoff del 31 marzo 2025 significa anche che le domande su eventi recenti potrebbero richiedere retrieval o un modello diverso con dati di addestramento più aggiornati. Se il tuo carico di lavoro è solo testo e non trae beneficio dall'input di immagini, un modello orientato al testo potrebbe essere una scelta più semplice.