Qwen3-VL-30B-A3B-Thinking

Qwen3‑VL‑30B‑A3B‑Thinking — это мультимодальная reasoning-модель из серии Qwen3‑VL, построенная на архитектуре Mixture‑of‑Experts (MoE). Модель насчитывает 30 млрд общих параметров, из которых во время инференса активно только 3 млрд. В её основе лежит гибридный мультимодальный блок, который интегрирует DeepStack-визуальный энкодер с языковым ядром Qwen3‑LM. Связь между ними обеспечивается механизмом позиционирования Interleaved‑MRoPE, который точно распределяет частотные признаки по времени, ширине и высоте. Это решение наделяет модель устойчивым пространственным восприятием (включая 3D grounding) и эффективной синхронизацией видео-таймстемпов с текстовой семантикой. Таким образом, формируется унифицированный визуально-текстовый стек, где текстовый трансформер обрабатывает визуальные представления как n-мерные токены, seamlessly встроенные в общий контекст рассуждений.

Как и все модели в серии Qwen3‑VL‑30B‑A3B‑Thinking поддерживает контекст в 256 К токенов (с возможностью увеличения до 1 М), что позволяет ей работать с многочасовыми видео, объемными книгами и сложными агентными пайплайнами без потери целостности данных. Режим «Thinking» (рассуждений) обеспечивает повышенный когнитивный уровень: модель генерирует ответы поэтапно, демонстрируя строгую причинно-следственную аргументацию и обоснованные выводы.

Модель особенно эффективна в сценариях, требующих объединения текстовых и визуальных данных с применением глубоких рассуждений таких как: анализ документов с иллюстрациями, смысловое понимание и расшифровка видео, OCR-системы (модель поддерживает 32 языка), визуальное программирование (генерация кода по визуальным эскизам), научные и образовательные приложения.

Благодаря квантизации от вендора в режиме FP8, модель можно запустить с приемлемым контекстом на двух GPU RTX 4090, что делает её доступной для широкого круга исследователей и разработчиков.

Дата анонса: 26.09.2025
Параметров: 31B
Экспертов: 128
Активно параметров при инференсе: 3B
Контекст: 263K
Слоев: 48
Тип внимания: Full Attention
Потребление памяти: 44.4 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-30B-A3B-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.