Qwen: Qwen3 235B A22B Instruct 2507

Qwen: Qwen3 235B A22B Instruct 2507 to model generowania tekstu od Qwen. Jest to dostrojony do instrukcji, wielojęzyczny model typu mixture-of-experts zbudowany na architekturze Qwen3 235B, z 22 miliardami aktywnych parametrów na jeden przebieg w przód. Data wydania przez dostawcę to 21 lipca 2025, a data odcięcia wiedzy modelu to 30 czerwca 2025.

Model działa na wejściu tekstowym i generuje wyłącznie wyjście tekstowe, więc jest przeznaczony do zadań językowych, a nie do pracy z obrazem lub dźwiękiem. Jego okno kontekstu wynosi 262 144 tokeny, co pozwala obsłużyć bardzo długie prompty, duże dokumenty lub rozbudowane rozmowy w pojedynczym żądaniu. Maksymalne wyjście to 16 384 tokeny na odpowiedź. Jako model dostrojony do instrukcji jest zoptymalizowany pod ogólne generowanie tekstu, w tym podążanie za instrukcjami, a jego wielojęzyczne trenowanie czyni go odpowiednim do pracy w więcej niż jednym języku.

Te możliwości wskazują na dość szeroki zestaw praktycznych zastosowań. Analiza długich dokumentów, streszczanie i odpowiadanie na pytania na podstawie dużych danych wejściowych są naturalnym zastosowaniem ze względu na okno kontekstu. Ponieważ model podąża za instrukcjami i obsługuje tekst wielojęzyczny, nadaje się również do asystentów czatu, tworzenia treści, procesów zbliżonych do tłumaczenia oraz ekstrakcji danych strukturalnych. Połączenie obsługi użycia narzędzi i wyjścia strukturalnego oznacza, że można go umieścić za pętlą agenta lub użyć do generowania odpowiedzi czytelnych maszynowo dla systemów downstream.

Możesz wywołać model przez zgodne z OpenAI API api14, używając identyfikatora modelu "qwen/qwen3-235b-a22b-2507". Żądania obsługują szeroki zestaw parametrów: temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty i repetition_penalty do kontroli próbkowania; max_tokens i stop do długości wyjścia i zakończenia; seed do powtarzalności; oraz logprobs z top_logprobs do prawdopodobieństw na poziomie tokenów. Do pracy strukturalnej dostępne są response_format i structured_outputs, a do wywoływania funkcji tools i tool_choice. logit_bias jest również akceptowany. Każdy klient obsługujący format OpenAI chat completions powinien działać z tymi polami.

Jednym praktycznym ograniczeniem, o którym warto pamiętać, jest długość wyjścia: 16 384 tokeny na odpowiedź, mimo że kontekst wejściowy jest znacznie większy, więc zadania wymagające bardzo długich pojedynczych uzupełnień mogą wymagać podzielenia pracy. Model obsługuje wyłącznie tekst, więc jeśli dane wejściowe lub wyjściowe obejmują obrazy albo dźwięk, lepszym wyborem będzie inny model. Ponieważ data odcięcia wiedzy to 30 czerwca 2025, wszystko po tej dacie zależy od promptu lub od narzędzi, które zapewnisz, a nie od wiedzy samego modelu.