Qwen: Qwen3 Next 80B A3B Instruct

Qwen3 Next 80B A3B Instruct é um modelo de chat ajustado para instruções da Qwen, parte da série Qwen3-Next. É um modelo de texto, e o provedor o descreve como otimizado para respostas rápidas e estáveis sem traços de "pensamento". Foi lançado pelo provedor em 2025-09-11 e tem um corte de conhecimento em 2025-09-30.

O modelo aceita entrada de texto e retorna saída de texto. Tem uma janela de contexto de 262144 tokens e uma saída máxima de 235929 tokens, portanto pode lidar com prompts muito longos e produzir conclusões longas dentro da mesma requisição. O provedor o posiciona para tarefas complexas em raciocínio, geração de código, perguntas e respostas de conhecimento e trabalho multilíngue. Como ele não emite traços de pensamento, as respostas voltam como respostas diretas em vez de etapas de raciocínio separadas.

Essas características apontam para alguns usos práticos. Documentos longos, bases de código grandes ou históricos de conversa extensos cabem confortavelmente dentro da janela de contexto, o que favorece sumarização, perguntas e respostas sobre material colado e assistentes de múltiplos turnos que precisam reter muito contexto anterior. Geração e explicação de código são adequações naturais dada a descrição do provedor, assim como perguntas e respostas de conhecimento e tratamento multilíngue. A grande saída máxima também ajuda quando você precisa de uma única geração longa, como um relatório detalhado ou um arquivo completo, em vez de uma resposta curta.

Você chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo "qwen/qwen3-next-80b-a3b-instruct". As requisições seguem o formato familiar de conclusões de chat, então SDKs e clientes OpenAI existentes funcionam com uma mudança de URL base e id de modelo. O modelo suporta um amplo conjunto de parâmetros de requisição: frequency_penalty, logit_bias, logprobs, max_tokens, min_p, presence_penalty, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs e top_p. Chamada de ferramentas e saídas estruturadas estão disponíveis através dos parâmetros tools, tool_choice, response_format e structured_outputs, e seed mais os controles de amostragem permitem ajustar a reprodutibilidade e o estilo da saída.

Como este é um modelo apenas de texto, tarefas que exigem imagem, áudio ou outra entrada não textual ficam fora do que ele aceita, e um modelo multimodal seria a melhor escolha nesse caso. A ausência de traços de pensamento é uma troca deliberada: se você quer um modelo que exponha suas etapas de raciocínio, este não foi projetado para isso. Dentro do trabalho com texto, porém, a combinação de uma janela de contexto muito grande, uma grande permissão de saída e suporte a ferramentas e saídas estruturadas cobre uma ampla variedade de casos de uso de desenvolvedores.