Qwen: Qwen3 VL 235B A22B Thinking

Qwen3-VL-235B-A22B Thinking — это передовая мультимодальная модель, разработанная для продвинутых рассуждений, особенно в области STEM и математики. Она бесшовно интегрирует надежную генерацию текста с изощренными возможностями визуального понимания, обрабатывая как изображения, так и видео. Эта модель оптимизирована для мультимодальных рассуждений, демонстрируя конкурентоспособные результаты на публичных бенчмарках по восприятию и рассуждениям, включая надежное распознавание разнообразных реальных и синтетических категорий, пространственное понимание (2D/3D привязка) и долгосрочное визуальное осмысление. Помимо аналитических задач, Qwen3-VL поддерживает агентное взаимодействие и использование инструментов. Она может следовать сложным инструкциям в многоизобразительных, многоходовых диалогах, сопоставлять текст с временными шкалами видео для точных временных запросов и управлять элементами графического интерфейса для задач автоматизации. Модель также облегчает рабочие процессы визуального кодирования, преобразуя эскизы или макеты в код и помогая с отладкой пользовательского интерфейса. Она сохраняет высокую производительность только для текста, сравнимую с флагманскими языковыми моделями Qwen3, что делает ее подходящей для производственных сценариев, таких как AI для документов, многоязычный OCR, помощь в разработке ПО/UI, пространственные/воплощенные задачи и исследования агентов зрения-языка. Ключевые характеристики включают большое контекстное окно в 262K токенов и максимальный вывод в 4K токенов. Она предлагает возможности зрения, функций, кода и потоковой передачи. Ценообразование конкурентоспособно: $0.45 за 1M входных токенов и $3.50 за 1M выходных токенов. Доступ предоставляется по тарифу PRO.