Qwen: Qwen3 Next 80B A3B Thinking

Qwen: Qwen3 Next 80B A3B Thinking é um modelo de texto da Qwen, parte da linha Qwen3-Next. É um modelo de chat que prioriza o raciocínio, o que significa que produz traços de pensamento estruturados por padrão em vez de responder imediatamente. O fornecedor lançou-o em 11 de setembro de 2025, e o seu limite de conhecimento é 30 de setembro de 2025.

O modelo aceita entrada de texto e devolve saída de texto. A sua janela de contexto é de 262.144 tokens, e a saída máxima é de 235.929 tokens, pelo que entradas longas e gerações longas são ambas possíveis dentro desses limites. Como prioriza o raciocínio, as respostas incluem tipicamente um traço de pensamento juntamente com a resposta final, e os parâmetros include_reasoning e reasoning permitem controlar como esse traço é tratado na resposta. Foi concebido para problemas difíceis de vários passos em vez de respostas conversacionais rápidas.

Esse design aponta para um conjunto bastante específico de casos de uso. O fornecedor descreve-o como adequado para provas matemáticas, síntese e depuração de código, problemas de lógica e trabalho agêntico. Na prática, recorreria a ele quando uma tarefa exige vários passos dependentes, como desenvolver uma derivação, rastrear um bug ao longo de uma base de código, ou planear e executar uma sequência de chamadas de ferramentas. É menos obviamente adequado para chat simples e sensível à latência, onde um modelo sem raciocínio seria normalmente a escolha mais direta.

Através do api14, chama-o com o id de modelo "qwen/qwen3-next-80b-a3b-thinking" através da API compatível com OpenAI, pelo que as bibliotecas de cliente OpenAI existentes funcionam com uma alteração do base URL e do id de modelo. Os parâmetros de pedido suportados são frequency_penalty, include_reasoning, logprobs, max_tokens, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs e top_p. A chamada de ferramentas e as saídas estruturadas estão ambas disponíveis, o que é importante para o trabalho agêntico e orientado a código descrito acima, e logprobs mais top_logprobs dão-lhe visibilidade ao nível do token quando precisa dela.

Seguem-se algumas notas práticas a partir dos factos. A entrada e a saída são apenas texto, pelo que tarefas com imagem ou áudio precisam de um modelo diferente. A grande janela de contexto e o limite de saída adequam-se a documentos longos e raciocínio prolongado, mas os traços de pensamento acrescentam tokens de saída que pode querer ter em conta ao definir max_tokens. Se a sua tarefa for curta e não beneficiar de raciocínio passo a passo, um modelo sem um design que prioriza o raciocínio pode ser a opção mais simples.