Qwen: Qwen3 VL 235B A22B Instructgenerative

Описание

Qwen3-VL-235B-A22B Instruct — это мультимодальная модель с открытым весом, которая объединяет мощную генерацию текста с пониманием визуальной информации из изображений и видео. Модель Instruct ориентирована на общее использование в области компьютерного зрения и языка (VQA, парсинг документов, извлечение данных из диаграмм/таблиц, многоязычное OCR). Серия отличается надежным восприятием (распознавание разнообразных реальных и синтетических категорий), пространственным пониманием (2D/3D привязка) и продолжительным визуальным пониманием, демонстрируя конкурентоспособные результаты на публичных мультимодальных бенчмарках как по восприятию, так и по рассуждениям. Помимо анализа, Qwen3-VL поддерживает агентное взаимодействие и использование инструментов: она может следовать сложным инструкциям в многомерных диалогах с изображениями и с несколькими раундами; согласовывать текст с временной шкалой видео для точных запросов по времени; и управлять элементами графического интерфейса для автоматизации задач. Модели также позволяют реализовать рабочие процессы визуального кодирования — преобразование эскизов или макетов в код и помощь в отладке пользовательского интерфейса, — сохраняя при этом высокую производительность только для текста, сопоставимую с флагманскими языковыми моделями Qwen3. Это делает Qwen3-VL подходящей для производственных сценариев, охватывающих Document AI, многоязычное OCR, помощь в работе с программным обеспечением/пользовательским интерфейсом, пространственные/воплощенные задачи и исследования в области агентов "зрение-язык".

Возможности

Модальности

Характеристики

API и примеры кода

from openai import OpenAI

client = OpenAI(
    base_url="https://infergate.ru/api/v1",
    api_key="sk-•••",
)

resp = client.chat.completions.create(
    model="qwen/qwen3-vl-235b-a22b-instruct",
    messages=[{"role": "user", "content": "Привет!"}],
)
print(resp.choices[0].message.content)

Поддерживаемые параметры запроса