Qwen3 VL 30B A3B Thinking
Rede Neural
Qwen3 VL 30B A3B Thinking — modelo multimodal Qwen com raciocínio avançado para STEM, matemática e análise de imagens e vídeos.
Especificações
- Entrada
- texto, imagens, documentos
- Saída
- texto
- Tamanho do contexto
- 262 144 tokens
- Comprimento máximo de resposta
- 235 929 tokens
- Níveis de raciocínio
- baixo, médio, alto
- Recursos
- raciocínio, chamada de funções
Custo do prompt
(por 1M tokens)
Custo da resposta
(por 1M tokens)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
// Sync - Text generation
async function main() {
const chatCompletion = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'qwen3-vl-30b-a3b-thinking',
});
}
// Async - Text generation
async function main() {
const stream = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'qwen3-vl-30b-a3b-thinking',
stream: true
});
for await (const chunk of stream) {
const part: string | null = chunk.choices[0].delta?.content ?? null;
}
}
main();
Como funciona Qwen3 VL 30B A3B Thinking?
Qwen3 VL 30B A3B Thinking é um modelo multimodal da equipe Qwen que combina geração de texto com compreensão de imagens e vídeos. A variante Thinking raciocina detalhadamente e resolve problemas passo a passo, auxiliando em matemática, STEM e outros cenários complexos. No BotHub, o acesso é feito sem VPN ou cartões estrangeiros; o pagamento é em rublos, por uso (tokens), sem assinaturas. Você tem acesso a mais de 250 redes neurais em uma única janela para alternar e comparar resultados, além de uma API compatível com OpenAI para integrar o modelo ao seu produto; os dados são transmitidos com criptografia AES-GCM e não são armazenados. É ideal para analisar diagramas, gráficos e capturas de tela de interfaces, pedir explicações sobre a resolução de problemas a partir de fotos, encontrar fragmentos em gravações de tela, criar descrições para materiais visuais ou depurar código com capturas de erros.Perguntas frequentes sobre Qwen3 VL 30B A3B Thinking
Você pode usar os resultados da geração para fins comerciais. Todos os direitos sobre o conteúdo criado pertencem a você. A única restrição: certifique-se de que a solicitação não inclua materiais de terceiros protegidos por direitos autorais. A responsabilidade pelo cumprimento dos direitos sobre os dados de entrada é do usuário.
É um modelo multimodal Qwen com modo de raciocínio: aceita texto, imagens e documentos como entrada e gera texto como saída. Adequado para analisar capturas de tela, diagramas e PDFs, análise de dados, trabalho com código e tarefas que exigem resolução passo a passo. Janela de contexto de 262.144 tokens.
Em uma única resposta, o modelo gera até 32.768 tokens — o suficiente para materiais extensos, análises detalhadas ou grandes blocos de código. Se precisar de mais, peça para continuar: o contexto de 262.144 tokens permite manter todo o diálogo e o código-fonte.
Sim, o raciocínio antes da resposta é confirmado. O modelo primeiro decompõe a tarefa em etapas e só então formula a conclusão. Isso é especialmente notável em matemática, lógica, depuração de código e análise de imagens, onde é importante chegar à resposta de forma sequencial, não apenas adivinhá-la.
Sim, tanto a chamada de funções quanto a saída estruturada em JSON são suportadas, permitindo conectar o modelo às suas ferramentas e obter respostas conforme um esquema definido. No BotHub, isso funciona via API compatível com OpenAI: você pode trocar de modelo sem reescrever a integração.
Imagens e documentos, sim: o modelo analisa capturas de tela, fotos, diagramas e PDFs e responde com texto. Não há informações sobre áudio e vídeo em nossos dados; é mais seguro testar esse cenário com sua própria tarefa. A geração de imagens pelo próprio modelo não está listada.
A interface do BotHub e o pagamento estão em russo e em rublos, sem necessidade de VPN ou cartão estrangeiro. A qualidade das respostas em suas formulações deve ser verificada em uma tarefa real: envie algumas solicitações típicas e, se necessário, compare o resultado com outro modelo na mesma janela.