Qwen: Qwen3.8 27B

Qwen: Qwen3.8 27B är en öppen viktmodell av typen dense vision-language från Qwen. Den tillhör textkategorin på api14, och leverantören beskriver den som lämplig för kodning, professionella arbetsflöden, forskning, multimodal interaktion och långvariga agentuppgifter. Eftersom vikterna är öppna är den också ett alternativ för team som vill ha en Qwen-modell som de kan granska eller självhosta någon annanstans, samtidigt som den är tillgänglig som en hostad endpoint här.

Vid indata accepterar modellen text, bilder och video, och den producerar endast textutdata. Kontextfönstret är 1 000 000 tokens, vilket är tillräckligt stort för att rymma mycket långa dokument, utökade konversationshistoriker eller stora kodbaser i en enda förfrågan. Maximal utdata är 235 929 tokens, så svaren är inte hårt begränsade. Leverantören nämner flexibelt tänkande, och modellen exponerar en reasoning-parameter tillsammans med include_reasoning och reasoning_effort, vilket låter dig bestämma om resonemanget visas och hur mycket ansträngning som läggs på det.

Dessa funktioner pekar mot en ganska bred uppsättning praktiska användningsområden. Kodassistans passar naturligt, inklusive arbete över stora arkiv där den långa kontexten undviker aggressiv chunkning. Professionella arbetsflöden och forskningsarbetsflöden drar nytta av möjligheten att skicka in långa rapporter, artiklar eller blandat text- och bildmaterial och begära ett skriftligt resultat. Eftersom video accepteras som indata är uppgifter som att sammanfatta eller ställa frågor om inspelat material möjliga. Tool calling och strukturerade utdata gör den till ett rimligt val för agentliknande pipelines som behöver köras över många steg, och reasoning-kontrollerna låter dig byta djup mot latens beroende på uppgiften.

Du anropar modellen via api14:s OpenAI-kompatibla API med modell-id:t "qwen/qwen3.8-27b". De stödda förfrågningsparametrarna är frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_a, top_k, top_logprobs och top_p. I praktiken täcker detta samplingkontroller, deterministiska körningar via seed, stoppsekvenser, JSON- eller schemabegränsad utdata genom response_format och structured_outputs, samt funktionsanrop genom tools och tool_choice.

En begränsning värd att notera är att utdata endast är text, så om du behöver genererade bilder eller ljud kommer den här modellen inte att tillhandahålla dem. Det är en dense 27B-modell, så en större modell kan passa uppgifter som kräver det allra svåraste resonemanget, medan den här förblir ett förnuftigt val när du vill ha multimodal indata, en mycket lång kontext och öppna vikter i en enda modell.