Qwen: Qwen3 235B A22B Instruct 2507

Qwen: Qwen3 235B A22B Instruct 2507 är en textgenereringsmodell från Qwen. Det är en instruktionsjusterad, flerspråkig mixture-of-experts-modell byggd på Qwen3 235B-arkitekturen, med 22 miljarder aktiva parametrar per framåtpassning. Leverantörens utgivningsdatum är 21 juli 2025, och modellens kunskapsgräns är 30 juni 2025.

Modellen arbetar med textinmatning och producerar endast textutdata, så den är inriktad på språkuppgifter snarare än bild- eller ljudarbete. Dess kontextfönster är 262 144 tokens, vilket gör att mycket långa prompter, stora dokument eller utökade konversationer kan hanteras i en enda begäran. Maximal utdata är 16 384 tokens per svar. Som en instruktionsjusterad modell är den optimerad för allmän textgenerering, inklusive instruktionsföljning, och dess flerspråkiga träning gör den lämplig för arbete på mer än ett språk.

Dessa förmågor pekar mot en ganska bred uppsättning praktiska användningsområden. Analys av långa dokument, sammanfattning och frågebesvarande över stora indata passar naturligt givet kontextfönstret. Eftersom modellen följer instruktioner och hanterar flerspråkig text passar den också för chattassistenter, innehållsutkast, översättningsnära arbetsflöden och strukturerad datautvinning. Kombinationen av stöd för verktygsanvändning och strukturerad utdata innebär att den kan placeras bakom en agentloop eller användas för att producera maskinläsbara svar för nedströms system.

Du kan anropa modellen via api14:s OpenAI-kompatibla API med modell-id:t "qwen/qwen3-235b-a22b-2507". Begäranden stöder en bred uppsättning parametrar: temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty och repetition_penalty för samplingkontroll; max_tokens och stop för utdatalängd och avslutning; seed för reproducerbarhet; samt logprobs med top_logprobs för sannolikheter på tokennivå. För strukturerat arbete finns response_format och structured_outputs, och för funktionsanrop finns tools och tool_choice. logit_bias accepteras också. Alla klienter som talar OpenAI chat completions-formatet bör fungera med dessa fält.

En praktisk gräns att ha i åtanke är utdatalängden: 16 384 tokens per svar, även om indatakontexten är mycket större, så uppgifter som kräver mycket långa enskilda kompletteringar kan behöva delas upp. Modellen är endast för text, så om din indata eller utdata involverar bilder eller ljud är en annan modell ett bättre val. Eftersom kunskapsgränsen är 30 juni 2025 beror allt efter det datumet på prompten eller på verktyg du tillhandahåller snarare än på modellens egen kunskap.