Qwen: Qwen3.8 27B

Qwen: Qwen3.8 27B to otwarty model gęsty typu vision-language od Qwen. Należy do kategorii tekstowej na api14, a dostawca opisuje go jako odpowiedni do kodowania, profesjonalnych przepływów pracy, badań, interakcji multimodalnej oraz długotrwałych zadań agentowych. Ponieważ wagi są otwarte, jest to również opcja dla zespołów, które chcą modelu Qwen, który mogą sprawdzić lub hostować samodzielnie gdzie indziej, będąc jednocześnie dostępnym jako hostowany endpoint tutaj.

Na wejściu model przyjmuje tekst, obrazy i wideo, a generuje wyłącznie tekst. Okno kontekstu wynosi 1 000 000 tokenów, co wystarcza na bardzo długie dokumenty, rozszerzone historie rozmów lub spore bazy kodu w jednym żądaniu. Maksymalne wyjście to 235 929 tokenów, więc odpowiedzi nie są ściśle ograniczane. Dostawca wspomina o elastycznym myśleniu, a model udostępnia parametr reasoning obok include_reasoning i reasoning_effort, co pozwala zdecydować, czy rozumowanie jest ujawniane i ile wysiłku się na nie przeznacza.

Te możliwości wskazują na dość szeroki zestaw praktycznych zastosowań. Wspomaganie kodowania pasuje naturalnie, w tym praca nad dużymi repozytoriami, gdzie długi kontekst pozwala uniknąć agresywnego dzielenia na fragmenty. Profesjonalne i badawcze przepływy pracy zyskują dzięki możliwości przekazania długich raportów, artykułów lub mieszanego materiału tekstowego i obrazowego oraz poproszenia o wynik pisemny. Ponieważ wideo jest akceptowane jako wejście, możliwe są zadania takie jak streszczanie lub odpytywanie nagranego materiału. Wywoływanie narzędzi i ustrukturyzowane wyjścia czynią go rozsądnym wyborem dla potoków w stylu agentowym, które muszą działać przez wiele kroków, a kontrolki rozumowania pozwalają wymieniać głębokość na opóźnienie w zależności od zadania.

Model wywołujesz przez API zgodne z OpenAI na api14, używając identyfikatora modelu "qwen/qwen3.8-27b". Obsługiwane parametry żądania to frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_a, top_k, top_logprobs oraz top_p. W praktyce obejmuje to kontrolki próbkowania, deterministyczne uruchomienia przez seed, sekwencje stop, wyjście JSON lub ograniczone schematem przez response_format i structured_outputs oraz wywoływanie funkcji przez tools i tool_choice.

Jedno ograniczenie warte odnotowania to fakt, że wyjście jest wyłącznie tekstowe, więc jeśli potrzebujesz generowanych obrazów lub dźwięku, ten model ich nie zapewni. To gęsty model 27B, więc większy model może lepiej pasować do zadań wymagających najtrudniejszego rozumowania, podczas gdy ten pozostaje rozsądnym wyborem, gdy chcesz multimodalne wejście, bardzo długi kontekst i otwarte wagi w jednym modelu.