Qwen: Qwen3 VL 235B A22B Thinking

Qwen3-VL-235B-A22B Thinking 是一款尖端的多模态模型，专为高级推理而设计，尤其是在STEM和数学领域。它无缝集成了强大的文本生成和复杂的视觉理解能力，能够处理图像和视频。该模型针对多模态推理进行了优化，在公共基准测试中展现出具有竞争力的感知和推理结果，包括对各种真实世界和合成类别的鲁棒识别、空间理解（2D/3D定位）以及长篇视觉理解。 除了分析任务，Qwen3-VL 还支持代理交互和工具使用。它可以在多图像、多轮对话中遵循复杂的指令；将文本与视频时间线对齐以进行精确的时间查询；并操作GUI元素以执行自动化任务。该模型还支持视觉编码工作流程，将草图或模型转换为代码，并协助UI调试，同时保持与旗舰Qwen3语言模型相当的强大纯文本性能。这使得Qwen3-VL 适用于文档AI、多语言OCR、软件/UI辅助、空间/具身任务以及视觉-语言代理研究等生产场景。 主要规格包括262K tokens的大上下文窗口和4K tokens的最大输出。它提供视觉、函数、代码和流式传输等功能。定价具有竞争力，输入每百万token $0.45，输出每百万token $3.50。可通过PRO级别访问。