Qwen: Qwen3 VL 30B A3B Thinking

Qwen3 VL 30B A3B Thinking è un modello multimodale di Qwen, la famiglia di modelli mantenuta da Alibaba. Si colloca nella linea Qwen3-VL, e la variante Thinking è quella ottimizzata per dedicare uno sforzo extra al ragionamento invece di rispondere immediatamente. Il nome riflette la sua struttura: un modello di classe 30B con A3B che si riferisce a un design a parametri attivi, quindi solo una frazione dei pesi totali viene coinvolta per token. È stato rilasciato dal provider il 6 ottobre 2025, e il suo knowledge cutoff è il 31 marzo 2025.

Il modello accetta testo e immagini come input e restituisce testo. La sua finestra di contesto è di 262.144 token, con un output massimo di 235.929 token, abbastanza ampia da contenere documenti lunghi, screenshot, diagrammi o input multi-immagine insieme a una risposta generata sostanziosa. Il comportamento Thinking significa che il modello può produrre una passata di ragionamento prima della sua risposta finale, il che è utile quando la risposta dipende da deduzioni a più passaggi invece che dal riconoscimento di pattern superficiali. Qwen lo posiziona come forte nella generazione di testo combinata con la comprensione visiva, con la variante Thinking che potenzia specificamente il ragionamento in STEM, matematica e compiti complessi.

Queste capacità indicano un insieme di utilizzi piuttosto specifico. Uno sviluppatore potrebbe inviare una pagina di un articolo tecnico, un grafico o uno screenshot di un errore e chiedere una spiegazione o una correzione. I problemi di matematica e STEM che richiedono di essere risolti passo dopo passo sono un adattamento naturale, così come i compiti che mescolano un lungo documento di testo con un'immagine, come la revisione di un contratto rispetto a una pagina di firma scansionata. Poiché l'output è solo testo, il modello non è la scelta giusta quando hai bisogno di immagini, audio o video generati; legge input visivi ma scrive prosa, dati strutturati o codice.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando l'id del modello "qwen/qwen3-vl-30b-a3b-thinking". Le richieste seguono la solita forma delle chat completions, con messaggi che trasportano contenuto testuale e immagini. I parametri supportati sono frequency_penalty, include_reasoning, max_tokens, reasoning, response_format, structured_outputs, temperature, tool_choice, tools, top_k e top_p. I parametri reasoning e include_reasoning vale la pena notarli se vuoi controllare o ispezionare la passata di pensiero, e tools più tool_choice ti permettono di collegare il modello al function calling, mentre response_format e structured_outputs sono lì quando hai bisogno che l'output sia conforme a uno schema.

Una considerazione pratica è che un modello Thinking scambia latenza con profondità, quindi per classificazione semplice, estrazione breve o chat ad alto volume dove la velocità conta più della deliberazione, un modello non-thinking potrebbe servirti meglio. Lo stesso vale se il tuo compito è puramente testuale e non trae beneficio dall'input di immagini. Il contesto di 262.144 token è generoso, ma è comunque un limite, e input molto grandi più una lunga passata di ragionamento lo consumeranno rapidamente.