Qwen: Qwen3 VL 8B Thinking

Qwen3-VL-8B-Thinking es la variante optimizada para el razonamiento del modelo multimodal Qwen3-VL-8B, diseñada específicamente para el razonamiento visual y textual avanzado en escenas complejas, documentos y secuencias temporales. Integra una alineación multimodal mejorada y un procesamiento de contexto largo (nativo de 256K, expandible a 1M de tokens) para tareas exigentes como el análisis visual científico, la inferencia causal y el razonamiento matemático sobre entradas de imágenes o videos. En comparación con la edición Instruct, la versión Thinking introduce una fusión visual-lingüística más profunda y vías de razonamiento deliberadas que mejoran significativamente el rendimiento en tareas de lógica de cadena larga, resolución de problemas STEM y comprensión de video de varios pasos. Logra una mayor fundamentación temporal a través de Interleaved-MRoPE y embeddings conscientes de la marca de tiempo, mientras mantiene un OCR robusto, comprensión multilingüe y generación de texto a la par con los grandes LLM solo de texto. Admite una ventana de contexto de 256K tokens y una salida máxima de 4K tokens. El precio es de $0.18/2.10 por 1M de tokens (entrada/salida) y está disponible en nuestro nivel de acceso PRO. Las capacidades incluyen visión, funciones, código y streaming, lo que lo hace ideal para chat, generación de código y resolución de problemas matemáticos complejos.