Qwen: Qwen3 VL 235B A22B Thinking

Qwen3-VL-235B-A22B Thinking — это мультимодальная модель, объединяющая мощную генерацию текста с глубоким пониманием визуального контента, включая изображения и видео. Версия Thinking оптимизирована для мультимодальных рассуждений в области точных наук и математики. Серия ориентирована на надежное восприятие объектов реального и синтетического миров, пространственное понимание в 2D и 3D, а также анализ длинных видеопоследовательностей, демонстрируя высокие результаты в тестах на распознавание и логический вывод.

Помимо анализа, Qwen3-VL поддерживает агентное взаимодействие и использование инструментов: модель способна выполнять сложные инструкции в диалогах с несколькими изображениями, сопоставлять текст с временными шкалами видео для точных запросов и управлять элементами графического интерфейса для автоматизации задач. Модель также поддерживает процессы визуального программирования, преобразуя эскизы или макеты в код и помогая в отладке интерфейсов, сохраняя при этом производительность в текстовых задачах на уровне флагманских языковых моделей Qwen3. Это делает Qwen3-VL подходящим решением для промышленного использования в таких сферах, как ИИ для работы с документами, многоязычное распознавание текста, поддержка ПО и интерфейсов, пространственные задачи и исследования в области визуально-языковых агентов.