Qwen: Qwen3 235B A22B Thinking 2507

Qwen3 235B A22B Thinking 2507 to model tekstowy od Qwen, udostępniony przez dostawcę 2025-07-25. Jest to model językowy typu Mixture-of-Experts (MoE) z otwartymi wagami, zbudowany do złożonych zadań rozumowania, i aktywuje 22B ze swoich 235B parametrów na każdy przebieg w przód. Etykieta "Thinking" i parametry rozumowania, które udostępnia, wskazują, że model jest zaprojektowany do rozwiązywania problemów krok po kroku, a nie odpowiadania w jednym przebiegu.

Model przyjmuje dane wejściowe w formie tekstu i zwraca dane wyjściowe w formie tekstu, więc pasuje do potoków wyłącznie tekstowych. Ma okno kontekstu wynoszące 128 000 tokenów i maksymalne wyjście 16 384 tokenów, z datą odcięcia wiedzy 2025-06-30. Ponieważ jest to model zorientowany na rozumowanie, odpowiedzi mogą zawierać fazę rozumowania, a parametry include_reasoning i reasoning pozwalają kontrolować, jak jest to obsługiwane w otrzymywanej odpowiedzi.

Te możliwości wskazują na przypadki użycia, w których liczy się staranne wieloetapowe myślenie: rozwiązywanie problemów matematycznych i logicznych, analiza i generowanie kodu, strukturalne wyodrębnianie z długich dokumentów oraz wieloetapowe planowanie lub wspomaganie decyzji. Kontekst 128 000 tokenów jest wystarczająco duży, aby pomieścić obszerny materiał źródłowy wraz z instrukcjami, co pasuje do zadań takich jak przeglądanie długich specyfikacji, streszczanie lub odpytywanie długich raportów oraz rozwiązywanie problemów wymagających od modelu uwzględnienia wielu ograniczeń jednocześnie. Obsługa wywoływania narzędzi sprawia również, że model nadaje się do przepływów pracy w stylu agentowym, w których model decyduje, kiedy wywołać funkcję.

Model wywołujesz przez zgodne z OpenAI API api14, używając identyfikatora modelu "qwen/qwen3-235b-a22b-thinking-2507". Obsługiwane parametry żądania to frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, stop, temperature, tool_choice, tools, top_k i top_p. Ponieważ interfejs jest zgodny z OpenAI, możesz skierować istniejącego klienta OpenAI na api14 i zmienić identyfikator modelu, a następnie dostroić próbkowanie za pomocą temperature, top_p lub top_k, ograniczyć odpowiedź za pomocą max_tokens i przekazać tools oraz tool_choice, gdy chcesz użyć wywoływania funkcji.

Pamiętaj o limicie wyjścia: max_tokens ma górny limit 16 384, więc zadania wymagające bardzo długiej pojedynczej odpowiedzi mogą wymagać podzielenia pracy na kilka wywołań. Model obsługuje wyłącznie tekst, więc jeśli dane wejściowe zawierają obrazy lub dźwięk, potrzebny byłby inny model. W przypadku prostych zadań tekstowych o dużym natężeniu, gdzie głębokie rozumowanie nie jest potrzebne, lżejszy model może być lepszym wyborem, podczas gdy ten jest ukierunkowany na problemy, które korzystają z jawnego rozumowania.