Qwen: Qwen3 VL 8B Thinking

Qwen3-VL-8B-Thinking ist die reasoning-optimierte Variante des multimodalen Modells Qwen3-VL-8B, das speziell für fortgeschrittene visuelle und textuelle Logik über komplexe Szenen, Dokumente und zeitliche Sequenzen entwickelt wurde. Es integriert eine verbesserte multimodale Ausrichtung und Langzeitkontextverarbeitung (native 256K, erweiterbar auf 1M Tokens) für anspruchsvolle Aufgaben wie wissenschaftliche visuelle Analyse, kausale Inferenz und mathematisches Denken über Bild- oder Videoeingaben. Im Vergleich zur Instruct-Edition führt die Thinking-Version eine tiefere visuell-sprachliche Fusion und bewusste Denkpfade ein, die die Leistung bei Aufgaben mit langen Logikketten, der Lösung von STEM-Problemen und dem mehrstufigen Videoverständnis erheblich verbessern. Es erreicht eine stärkere zeitliche Verankerung über Interleaved-MRoPE und zeitstempelbewusste Einbettungen, während es robuste OCR, mehrsprachiges Verständnis und Textgenerierung auf dem Niveau großer rein textbasierter LLMs beibehält. Es unterstützt ein Kontextfenster von 256K Tokens und eine maximale Ausgabe von 4K Tokens. Die Preise betragen $0.18/2.10 pro 1M Tokens (Eingabe/Ausgabe) und es ist in unserem PRO-Zugangs-Tier verfügbar. Zu den Funktionen gehören Vision, Funktionen, Code und Streaming, wodurch es ideal für Chat, Codegenerierung und komplexe mathematische Problemlösungen ist.