Qwen: Qwen3 VL 235B A22B Instructgenerative

Описание

Qwen3-VL-235B-A22B Instruct — это открытая мультимодальная модель, объединяющая мощную генерацию текста с визуальным пониманием изображений и видео. Модель Instruct ориентирована на общее использование зрения и языка (VQA, анализ документов, извлечение диаграмм/таблиц, многоязычное оптическое распознавание символов). Серия делает акцент на надёжном восприятии (распознавание разнообразных реальных и синтетических категорий), пространственном понимании (2D/3D привязка) и долгосрочном визуальном осмыслении, демонстрируя конкурентоспособные результаты в публичных мультимодальных бенчмарках как по восприятию, так и по рассуждению. Помимо анализа, Qwen3-VL поддерживает агентское 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. Модели также позволяют использовать рабочие процессы визуального кодирования — превращать эскизы или макеты в код и помогать в отладке пользовательского интерфейса — при этом сохраняя высокую производительность только по тексту, сравнимую с флагманскими языковыми моделями Qwen3. Это делает Qwen3-VL подходящей для производственных сценариев, охватывающих ИИ-документооборот, многоязычное оптическое распознавание символов, помощь в разработке программного обеспечения/интерфейсов, пространственные/воплощённые задачи и исследования в области визуально-языковых агентов.

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