Qwen3-VL-235B-A22B-Thinking

Qwen3-VL-235B-A22B-Thinking — это флагманская мультимодальная модель в линейке Qwen3, разработанная для глубокого понимания и обоснованного рассуждения на основе текста, изображений и видео. Она реализует широкий набор функций для распознавания объектов, пространственной и временной локализации, а также расширенного понимания сложных документов и динамики событий. Модель построена на базе Qwen/Qwen3-235B-A22B-Thinking-2507. В основе мультимодальных возможностей — механизм Interleaved-MRoPE, обеспечивающий создание позиционных эмбеддингов по времени, ширине и высоте, что критично для качества видеоаналитики. DeepStack объединяет признаки разных уровней ViT (Vision Transformer), повышая детализацию восприятия и точность выравнивания между изображением и текстом. А технология Text–Timestamp Alignment позволяет — выравнивание текстовые представления событий с повышенной точностью по временным отметкам, что чрезвычайно важно корректной обработки видео- и событийных данных. Модель поддерживает контекст до 256 000 токенов с возможностью расширения до 1 миллиона, что позволяет анализировать крупные документы, книги и часы видеопотока с полным сохранением контекста и быстро переходить к нужным фрагментам за счёт индексирования.

Qwen3-VL-235B-A22B-Thinking превосходит большинство открытых моделей по качеству мультимодального понимания за счёт: техники объединённой обработки текста, изображений и видео, расширенных OCR возможностей (поддержка 32 языков) с устойчивостью к искаженному тексту, плохому освещению, ракурсу. Добавим к этому умение модели извлекать информацию из сложноструктурированных, длинных документов и парсить структуру текста, возможности 2D и 3D пространственной локализации для разбора сложной сцены. И не в последнюю очередь это расширенного reasoning-модуль: модель способна строить логические и причинно-следственные рассуждения, объяснять визуальные сцены, анализировать взаимосвязи между объектами, отслеживать динамику во времени и давать аргументированные ответы — необходимый инструмент для инженерных, математических, исследовательских и агентских задач.

Разработчики сообщают, что Qwen3‑VL‑235B‑A22B-Thinking достигает топ‑уровня на большинстве бенчмарков среди reasoning моделей и существенно превосходит закрытые системы, особенно в задачах восприятия и мультимодальных рассуждений на длинном контексте. С учетом сказанного модель рекомендуется к использованию в задачах, связанных с распознаванием и извлечением информации из документов (банковских, юридических, медицинских, исторических, и т. д.). Qwen3‑VL‑235B‑A22B-Thinking отлично справится и с глубоким анализом видео или другой формой передачи последовательных событий: анализ движения, отслеживание объектов, подробная разбивка, аннотация видеофрагментов. Сильной стороной является и математические рассуждения, модель способна только решать геометрические задачи и извлекать из графиков и диаграмм цифры, она способна доказывать теоремы и делать полноценные бизнес выводы на основе визуализаций. Отдельно следует отметить область программирования. Генерация и анализ кода по визуальным данным — это именно та сфера, где Qwen3‑VL‑235B‑A22B-Thinking возвращает отличный результат. Например, чтобы получить код для визуализации вам больше не нужно долго и подробно описывать в чате как должен выглядеть график, просто нарисуйте его эскиз и покажите модели.

Дата анонса: 23.09.2025
Параметров: 236B
Экспертов: 128
Активно параметров при инференсе: 22B
Контекст: 263K
Слоев: 94
Тип внимания: Full Attention
Потребление памяти: 178.2 ГБ в точности 4 бит
Разработчик: Qwen
Версия Transformers: 4.57.0.dev0
Лицензия: Apache 2.0

Воспользуйтесь нашими готовыми публичными эндпоинтами бесплатно для теста инференса и знакомства с Qwen3-VL-235B-A22B-Thinking. Получить токен для доступа к API вы можете на странице управления токенами после регистрации и верификации.

Арендуйте собственный физически выделенный инстанс с почасовой оплатой или на длительный срок с помесячной оплатой.

Мы рекомендуем создание частных инстансов в случаях, если необходимо:

• получить максимальную производительность эндпоинта,
• получить полный контекст для обработки больших запросов и диалогов,
• обеспечить максимальную безопасность, для обработки данных в выделенном изолированном пространстве,
• использовать кастомизированные веса: fine-tuned версии или lora-адаптеры.

Свяжитесь с нашей специализированной группой поддержки по нейросетям nn@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.