Qwen: Qwen3 32B

Qwen: Qwen3 32B to model tekstowy od Qwen, część serii Qwen3. Jest to gęsty przyczynowy model językowy z 32,8 miliarda parametrów, udostępniony przez dostawcę 2025-04-28. Model został zbudowany zarówno do złożonego rozumowania, jak i wydajnego dialogu, i obsługuje przełączanie między trybem myślenia a trybem bez myślenia. Jego granica wiedzy to 2025-03-31.

Model przyjmuje dane wejściowe w postaci tekstu i generuje dane wyjściowe w postaci tekstu, więc jest to system tekst-na-tekst bez obsługi obrazu ani dźwięku. Oferuje okno kontekstu o rozmiarze 131 072 tokenów, co pozwala na przetwarzanie długich dokumentów, rozszerzonych rozmów lub dużych plików kodu w jednym żądaniu. Maksymalne wyjście to 16 384 tokenów, więc odpowiedzi mogą być obszerne, ale są ograniczone. Ponieważ jest zaprojektowany zarówno do rozumowania, jak i dialogu, może przeanalizować problemy wieloetapowe przed wygenerowaniem odpowiedzi, a zachowanie związane z rozumowaniem można kontrolować za pomocą parametrów żądania.

Te możliwości odpowiadają różnym zadaniom programistycznym. Analiza długiego kontekstu umów, artykułów naukowych lub dokumentacji technicznej jest praktyczna dzięki oknu 131 072 tokenów. Tryb rozumowania pomaga w zadaniach takich jak rozwiązywanie problemów matematycznych, łamigłówki logiczne, generowanie i debugowanie kodu lub planowanie kroków w przepływie pracy agenta. Tryb dialogu lepiej pasuje do asystentów czatu, streszczania, klasyfikacji i ekstrakcji, gdzie liczy się opóźnienie i rozwlekłość. Wywoływanie narzędzi i ustrukturyzowane wyjścia czynią go użytecznym w potokach, które wymagają, aby model wywoływał funkcje lub zwracał dane w formacie JSON, a nie dowolny tekst.

Możesz wywołać model przez API zgodne z OpenAI od api14, używając identyfikatora modelu "qwen/qwen3-32b". Obsługiwane parametry żądania to 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 i top_p. Parametry reasoning i include_reasoning odnoszą się do trybu myślenia modelu, natomiast tools i tool_choice obsługują wywoływanie funkcji, a response_format i structured_outputs obsługują ograniczone kształty wyjścia. Zachowanie próbkowania można dostroić za pomocą temperature, top_p, top_k, min_p, top_a, repetition_penalty, frequency_penalty i presence_penalty, a seed, stop, logprobs i top_logprobs dają dalszą kontrolę nad powtarzalnością i wyjściem na poziomie tokenów.

Główne praktyczne ograniczenia to wyłącznie tekstowe dane wejściowe i wyjściowe oraz maksymalne wyjście 16 384 tokenów, więc zadania wymagające rozumienia obrazu lub bardzo długich pojedynczych odpowiedzi mogą lepiej pasować do innego modelu. Kontekst 131 072 tokenów jest duży, ale skończony, więc ekstremalnie długie dane wejściowe nadal wymagają podziału na fragmenty. Jeśli Twoje obciążenie zależy od modalności wykraczających poza tekst lub od wyjść dłuższych niż podane maksimum, rozważ zamiast tego model o takich możliwościach.