Qwen: Qwen3.7 Flash

Qwen: Qwen3.7 Flash to model generowania tekstu od Qwen, rodziny modeli rozwijanej przez Alibaba. Jest to model rozumowania wizyjno-językowego, co oznacza, że został zbudowany nie tylko do tworzenia tekstu, ale także do pracy z danymi wejściowymi wizualnymi jako częścią procesu rozumowania. W api14 jest wymieniony w kategorii tekstowej, a identyfikator modelu używany przy wywołaniu to qwen/qwen3.7-flash.

Model przyjmuje jako dane wejściowe tekst, obrazy i wideo, a zwraca tekst jako dane wyjściowe. Jego okno kontekstu wynosi 1 000 000 tokenów, co pozwala obsłużyć bardzo duże dane wejściowe w jednym żądaniu, w tym długie dokumenty i rozbudowany materiał multimodalny. Maksymalna długość danych wyjściowych to 65 536 tokenów. Ponieważ jest to model rozumowania, może ujawniać swój proces rozumowania, a obsługiwane parametry obejmują include_reasoning i reasoning służące do kontrolowania tego zachowania.

Te możliwości wskazują na zestaw praktycznych zastosowań. Agenci multimodalni są naturalnym zastosowaniem, ponieważ model może przyjmować obrazy i wideo wraz z tekstem i rozumować nad nimi. Opis dostawcy podkreśla kodowanie wizualne, wyszukiwanie i interakcję z komputerem, ze szczególnymi mocnymi stronami w rozpoznawaniu obiektów i rozumieniu przestrzennym. W codziennym rozwoju może to oznaczać budowanie asystentów, którzy analizują zrzuty ekranu lub klatki wideo, narzędzi, które odpowiadają na pytania dotyczące treści wizualnych, lub agentów, którzy łączą pobrany tekst z dowodami wizualnymi. Bardzo duże okno kontekstu pasuje również do przepływów pracy, w których wiele materiałów trzeba rozważyć naraz, a nie dzielić na fragmenty.

Model wywołujesz przez API zgodne z OpenAI w api14, używając identyfikatora modelu qwen/qwen3.7-flash. Obsługiwane parametry żądania to include_reasoning, logprobs, max_tokens, presence_penalty, reasoning, response_format, seed, temperature, tool_choice, tools, top_logprobs i top_p. Ten zestaw obejmuje kontrolę próbkowania, ustrukturyzowane dane wyjściowe przez response_format, wywoływanie narzędzi i funkcji przez tools i tool_choice, powtarzalność dzięki seed oraz inspekcję na poziomie tokenów przez logprobs i top_logprobs. Jeśli już używasz klienta w stylu OpenAI, przejście na ten model oznacza głównie zmianę identyfikatora modelu i potwierdzenie, które z tych parametrów wysyła Twój kod.

Jednym ograniczeniem wartym odnotowania jest to, że dane wyjściowe są wyłącznie tekstem, więc model nie generuje obrazów ani wideo, mimo że potrafi je odczytywać. Jeśli Twoje zadanie jest czysto tekstowe i nie wymaga danych wejściowych wizualnych ani śladów rozumowania, prostszy model tekstowy może być lżejszym wyborem. Jeśli potrzebujesz generowania obrazów lub wideo, a nie ich rozumienia, ten model nie jest właściwym wyborem.