Qwen: Qwen3 VL 8B Thinking

Qwen3-VL-8B-Thinking — это оптимизированный для рассуждений вариант мультимодальной модели Qwen3-VL-8B, специально разработанный для расширенного визуального и текстового мышления в сложных сценах, документах и временных последовательностях. Он объединяет улучшенное мультимодальное выравнивание и обработку длинного контекста (нативные 256K, расширяемые до 1M токенов) для таких требовательных задач, как научный визуальный анализ, причинно-следственный вывод и математические рассуждения по изображениям или видеовходам. По сравнению с версией Instruct, версия Thinking представляет более глубокое визуально-языковое слияние и целенаправленные пути рассуждений, которые значительно улучшают производительность в задачах с длинными логическими цепочками, решении проблем STEM и многоэтапном понимании видео. Она обеспечивает более сильную временную привязку с помощью Interleaved-MRoPE и встраиваний с учетом временных меток, сохраняя при этом надежное распознавание текста, многоязычное понимание и генерацию текста наравне с крупными текстовыми LLM. Модель поддерживает контекстное окно в 256K токенов и максимальный вывод в 4K токенов. Стоимость составляет $0.18/2.10 за 1M токенов (ввод/вывод), и она доступна в нашем PRO уровне доступа. Возможности включают зрение, функции, код и потоковую передачу, что делает ее идеальной для чата, генерации кода и решения сложных математических задач.