Qwen3.7 Flash
Rede Neural
Qwen3.7 Flash é um modelo de linguagem visual com raciocínio da Alibaba para agentes multimodais e codificação visual.
Especificações
- Entrada
- texto, imagens, documentos
- Saída
- texto
- Tamanho do contexto
- 1 000 000 tokens
- Comprimento máximo de resposta
- 65 536 tokens
- Níveis de raciocínio
- baixo, médio, alto
- Recursos
- raciocínio, chamada de funções
Custo do prompt
(por 1M tokens)
Custo da resposta
(por 1M tokens)
Como funciona Qwen3.7 Flash?
Qwen3.7 Flash é um modelo de linguagem visual da Alibaba que raciocina sobre imagens e texto simultaneamente. Seus pontos fortes são o reconhecimento de objetos, a compreensão de relações espaciais e cenas do mundo real, sendo ideal para tarefas que exigem inferência além da simples descrição: agentes multimodais, programação visual, busca e interação com interfaces de computador. No BotHub, o Qwen3.7 Flash está disponível sem VPN e sem necessidade de cartão estrangeiro — pagamento em rublos com cartões russos e cobrança por uso de tokens que não expiram. Você tem acesso a mais de 250 modelos na mesma janela, permitindo alternar e comparar respostas, além de uma API compatível com OpenAI para substituir modelos no código sem reescrever a integração. Para empresas, oferecemos contrato, fatura, intercâmbio eletrônico de documentos (EDO) e painel administrativo com limites. Útil para criar agentes que veem a tela e agem, analisar capturas de tela e diagramas, transformar layouts de interface em código, buscar itens em grandes conjuntos de imagens ou verificar relatórios fotográficos e documentos.Perguntas frequentes sobre Qwen3.7 Flash
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.
O qwen3.7-flash é um modelo de texto Qwen com contexto de até 1.000.000 de tokens. Ele aceita imagens e documentos, raciocina antes de responder e chama funções. É adequado para analisar grandes bases de código, documentação, depuração, refatoração e tarefas STEM, onde é necessário manter muito material no contexto.
Em uma única resposta, o modelo gera até 65.536 tokens — o volume de um pequeno livro ou de um grande módulo de código. É suficiente para um artigo longo, uma análise detalhada ou a geração de um arquivo inteiro, sem dividir a solicitação em partes. Se a resposta atingir o limite, basta pedir para continuar.
Sim, o raciocínio antes da resposta é um recurso do modelo. Ele divide a tarefa em etapas e só então formula a conclusão — isso ajuda em matemática, lógica e análise de código em várias etapas. Em perguntas simples, esse modo não é necessário, mas em tarefas complexas, aumenta visivelmente a precisão.
Sim, a chamada de funções e a saída estruturada em JSON são suportadas. Você descreve o esquema e as ferramentas disponíveis, e o modelo retorna um objeto válido ou a chamada da função necessária — isso é conveniente para agentes, análise de documentos e integrações. No BotHub, tudo funciona através de uma API única compatível com OpenAI.
O modelo aceita imagens e documentos: envie uma captura de tela, diagrama, tabela ou PDF e peça para analisar o conteúdo. Não há informações sobre áudio e vídeo em nossos dados, portanto, esses cenários devem ser testados em sua tarefa. O modelo gera a resposta em texto.
Não temos medições específicas por idioma em nossos dados, por isso não podemos prometer detalhes — é melhor testar em seu próprio cenário: envie uma solicitação típica e compare com outro modelo na mesma janela do BotHub. A alternância leva alguns segundos e não é necessário reescrever a integração.