Qwen: Qwen3 VL 235B A22B Instruct

Qwen3 VL 235B A22B Instruct é um modelo multimodal de pesos abertos da Qwen, lançado pelo fornecedor em 23 de setembro de 2025. Ele pertence à família Qwen3 VL e é a variante ajustada para instruções, voltada para trabalho geral de visão e linguagem em vez de experimentação bruta de pesquisa. Como os pesos são abertos, você pode inspecionar o que está executando e raciocinar sobre opções de implantação além de um único endpoint hospedado.

O modelo aceita texto e imagens como entrada e retorna texto. Sua janela de contexto é de 262144 tokens, e a saída máxima é de 32768 tokens. O fornecedor o descreve como unificando geração de texto forte com compreensão visual em imagens e vídeo, com o modelo Instruct voltado para uso geral de visão e linguagem, como perguntas e respostas visuais, análise de documentos e compreensão de gráficos ou tabelas. Seu corte de conhecimento é 31 de março de 2025, então qualquer coisa após essa data está fora do que o modelo aprendeu durante o treinamento.

Essas capacidades apontam para um conjunto bastante específico de tarefas. Perguntas e respostas visuais sobre capturas de tela, fotos ou diagramas é a mais óbvia. A análise de documentos se encaixa na combinação de contexto longo e entrada de imagem, já que digitalizações de várias páginas e layouts densos podem ser passados sem fragmentação agressiva. A compreensão de gráficos e tabelas se adequa a fluxos de trabalho de análise em que a fonte é uma figura renderizada em vez de CSV limpo. Tarefas de texto longo também funcionam por conta própria, então um único modelo pode lidar com pipelines mistos em que algumas requisições carregam imagens e outras são texto puro.

Você o chama através da API compatível com OpenAI da api14 usando o id de modelo "qwen/qwen3-vl-235b-a22b-instruct". Os parâmetros suportados são 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 ambas disponíveis, o que significa que você pode conectar o modelo em loops de chamada de função ou restringir respostas a um esquema. Os controles de amostragem cobrem os usuais temperature e top_p, bem como min_p, top_k e repetition_penalty, e seed mais logprobs e top_logprobs oferecem reprodutibilidade e inspeção em nível de token quando você precisar.

Duas restrições práticas vale a pena notar antes de se comprometer. O teto de saída de 32768 tokens está bem abaixo da janela de entrada de 262144 tokens, então tarefas que exigem respostas geradas muito longas, como transcrever um documento grande em uma única passagem, precisarão ser divididas entre chamadas. O corte de conhecimento de 31 de março de 2025 também significa que perguntas sobre eventos recentes podem precisar de recuperação ou de um modelo diferente com dados de treinamento mais recentes. Se sua carga de trabalho for apenas texto e não se beneficiar de entrada de imagem, um modelo focado em texto pode ser um encaixe mais simples.