Qwen: Qwen3 VL 235B A22B Thinkinggenerative

Описание

Qwen3-VL-235B-A22B Thinking — это мультимодальная модель, объединяющая мощные возможности генерации текста с пониманием визуальной информации из изображений и видео. Модель Thinking оптимизирована для мультимодального рассуждения в области STEM и математики. Серия делает упор на надежное восприятие (распознавание разнообразных реальных и синтетических категорий), пространственное понимание (2D/3D привязка) и длительное визуальное понимание, демонстрируя конкурентоспособные результаты на общедоступных мультимодальных бенчмарках как для восприятия, так и для рассуждения. Помимо анализа, Qwen3-VL поддерживает интерактивное взаимодействие и использование инструментов: она может следовать сложным инструкциям в многообразных диалогах с изображениями и в течение нескольких оборотов; сопоставлять текст с временными шкалами видео для точных временных запросов; и управлять элементами графического интерфейса для автоматизации задач. Модели также позволяют использовать визуальные рабочие процессы кодирования, превращая наброски или макеты в код и помогая в отладке пользовательского интерфейса, при этом сохраняя высокую производительность только на текстовых задачах, сравнимую с флагманскими языковыми моделями Qwen3. Это делает Qwen3-VL пригодной для производственных сценариев, охватывающих ИИ для документов, многоязычное оптическое распознавание символов (OCR), помощь в работе с программным обеспечением/интерфейсами, пространственные/воплощенные задачи и исследования 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-thinking",
    messages=[{"role": "user", "content": "Привет!"}],
)
print(resp.choices[0].message.content)

Поддерживаемые параметры запроса