Qwen: Qwen3 32B

Qwen: Qwen3 32B är en textmodell från Qwen, en del av Qwen3-serien. Det är en dense causal language model med 32,8 miljarder parametrar, släppt av leverantören 2025-04-28. Modellen är byggd för både komplex resonemang och effektiv dialog, och den stöder växling mellan ett thinking-läge och ett non-thinking-läge. Dess kunskapsavgränsning är 2025-03-31.

Modellen tar emot textinmatning och producerar textutmatning, så det är ett text-till-text-system utan bild- eller ljudhantering. Den erbjuder ett kontextfönster på 131 072 tokens, vilket gör att långa dokument, utökade konversationer eller stora kodfiler kan bearbetas i en enda begäran. Den maximala utmatningen är 16 384 tokens, så svar kan vara omfattande men är begränsade. Eftersom den är utformad för både resonemang och dialog kan den arbeta igenom problem i flera steg innan den producerar ett svar, och resonemangsbeteendet kan styras via begäransparametrar.

Dessa funktioner passar en rad utvecklaruppgifter. Långkontextanalys av kontrakt, forskningsartiklar eller teknisk dokumentation är praktiskt genomförbar med tanke på fönstret på 131 072 tokens. Resonemangsläget hjälper till med uppgifter som matematisk problemlösning, logiska pussel, kodgenerering och felsökning, eller planering av steg i ett agentarbetsflöde. Dialogläget passar bättre för chattassistenter, sammanfattning, klassificering och extrahering där latens och utförlighet spelar roll. Tool calling och strukturerade utdata gör den användbar i pipelines som behöver att modellen anropar funktioner eller returnerar JSON-formad data i stället för fritext.

Du kan anropa modellen via api14:s OpenAI-kompatibla API med modell-id "qwen/qwen3-32b". De begäransparametrar som stöds är frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_a, top_k, top_logprobs och top_p. Parametrarna reasoning och include_reasoning relaterar till modellens thinking-läge, medan tools och tool_choice stöder funktionsanrop, och response_format och structured_outputs stöder begränsade utdataformer. Samplingbeteende kan justeras med temperature, top_p, top_k, min_p, top_a, repetition_penalty, frequency_penalty och presence_penalty, och seed, stop, logprobs och top_logprobs ger ytterligare kontroll över reproducerbarhet och utdata på token-nivå.

De främsta praktiska begränsningarna är in- och utmatning enbart i text samt den maximala utmatningen på 16 384 tokens, så uppgifter som kräver bildförståelse eller mycket långa enskilda svar kan passa en annan modell bättre. Kontexten på 131 072 tokens är stor men ändlig, så extremt långa indata behöver fortfarande delas upp. Om din arbetsbelastning är beroende av modaliteter utöver text, eller av utdata längre än det angivna maximumet, överväg en modell med dessa funktioner i stället.