Qwen: Qwen3 VL 30B A3B Instruct

Qwen3 VL 30B A3B Instruct é um modelo multimodal da Qwen, lançado pelo fornecedor em 2025-10-06. Pertence à família Qwen3 VL, e a variante Instruct é ajustada para seguir instruções em tarefas multimodais gerais. No api14 está listado na categoria de texto, com uma data de corte de conhecimento de 2025-03-31.

O modelo aceita entradas de texto e imagem e devolve texto. A sua janela de contexto é de 262144 tokens, e a saída máxima é de 16384 tokens. O fornecedor descreve-o como unificando uma forte geração de texto com compreensão visual para imagens e vídeos, com particular robustez na perceção. Na prática, isto significa que pode enviar um prompt que mistura instruções escritas com conteúdo de imagem e receber uma resposta de texto, tudo dentro de um único contexto muito grande.

Essa combinação aponta para um conjunto bastante amplo de utilizações práticas. A compreensão de documentos e capturas de ecrã, em que um utilizador carrega uma página ou uma captura de interface e faz perguntas sobre ela, encaixa naturalmente. A legendagem de imagens, a resposta a perguntas visuais e a extração de detalhes estruturados a partir de imagens são todas razoáveis. Como a janela de contexto é grande, pode incluir texto longo juntamente com imagens, por exemplo uma especificação extensa mais várias imagens de referência, sem dividir o trabalho por várias chamadas. O comportamento ajustado para instruções também se adequa a fluxos do tipo agente, em que o modelo tem de seguir um formato de saída definido.

Chama o modelo através da API compatível com OpenAI do api14, usando o id de modelo "qwen/qwen3-vl-30b-a3b-instruct". Como a interface é compatível com OpenAI, os clientes e SDKs existentes geralmente funcionam apenas com a alteração do URL base e do id de modelo. O modelo suporta um conjunto amplo de parâmetros de pedido: 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. A chamada de ferramentas e as saídas estruturadas estão, portanto, disponíveis se o seu fluxo de trabalho precisar delas, e o seed mais os controlos de amostragem permitem-lhe ajustar o determinismo e a variedade.

Vale a pena ter em conta alguns limites. A saída é apenas texto, por isso o modelo não gera imagens. A saída máxima de 16384 tokens está bem abaixo da janela de contexto de 262144 tokens, pelo que gerações muito longas não são possíveis numa única resposta. Se a sua tarefa for puramente texto e não envolver imagens, um modelo apenas de texto pode ser uma opção mais simples. Se precisar de geração de imagens em vez de compreensão de imagens, este modelo não é a escolha certa.