Qwen: Qwen3 VL 30B A3B Instruct

Qwen3-VL-30B-A3B-Instruct ist ein hochmodernes multimodales KI-Modell, das entwickelt wurde, um eine robuste Textgenerierung mit einem ausgeklügelten visuellen Verständnis für Bilder und Videos zu vereinen. Diese Instruct-Variante ist speziell für die Befolgung von Anweisungen in einer Vielzahl allgemeiner multimodaler Aufgaben optimiert und zeigt eine außergewöhnliche Leistung bei der Wahrnehmung realer und synthetischer Kategorien, der präzisen 2D/3D-Raumverankerung und dem umfassenden Langform-Verständnis. Es erzielt durchweg wettbewerbsfähige Ergebnisse bei führenden multimodalen Benchmarks. Über seine Kernfähigkeiten hinaus eignet sich Qwen3-VL-30B-A3B-Instruct hervorragend für agentische Anwendungen. Es verarbeitet geschickt Multi-Bild-, Multi-Turn-Anweisungen, erleichtert die Ausrichtung von Video-Zeitachsen, unterstützt die GUI-Automatisierung und kann sogar visuelles Coding von Skizzen bis zur debuggten Benutzeroberfläche generieren. Seine Textleistung konkurriert mit den Flaggschiff-Modellen von Qwen3, was es ideal für Dokumenten-KI, OCR, UI-Assistenz, räumliche Aufgaben und fortgeschrittene Agentenforschung macht. Mit einem Kontextfenster von 131K Tokens und einer maximalen Ausgabe von 4K Tokens bietet es umfangreiche Verarbeitungsleistung. Die Preise betragen 0,15 $/0,60 $ pro 1 Mio. Tokens (Eingabe/Ausgabe) und es ist im STARTER-Zugangsbereich verfügbar.