Qwen3-VL-235B-A22B Instruct — это открытая мультимодальная модель, которая объединяет мощную генерацию текста с визуальным пониманием изображений и видео. Модель Instruct предназначена для общего использования в задачах «зрение-язык» (VQA, анализ документов, извлечение диаграмм/таблиц, многоязычное оптическое распознавание символов). Серия моделей делает акцент на надёжном восприятии (распознавание разнообразных реальных и синтетических категорий), пространственном понимании (2D/3D привязка) и долгосрочном визуальном понимании, демонстрируя конкурентоспособные результаты в публичных мультимодальных бенчмарках как для восприятия, так и для рассуждений.
Помимо анализа, Qwen3-VL поддерживает агентное взаимодействие и использование инструментов: она может следовать сложным инструкциям в многоизобразительных, многоходовых диалогах; сопоставлять текст с временными шкалами видео для точных временных запросов; и управлять элементами графического интерфейса для задач автоматизации. Модели также позволяют использовать рабочие процессы визуального кодирования — превращать эскизы или макеты в код и помогать с отладкой пользовательского интерфейса — при этом сохраняя высокую производительность только для текста, сравнимую с флагманскими языковыми моделями Qwen3. Это делает Qwen3-VL подходящей для производственных сценариев, охватывающих документооборот с ИИ, многоязычное оптическое распознавание символов, помощь в разработке программного обеспечения/пользовательского интерфейса, пространственные/воплощённые задачи и исследования в области агентов «зрение-язык».
Провайдер для Qwen: Qwen3 VL 235B A22B Instruct
Hubris маршрутизирует запросы к лучшему доступному провайдеру с автоматическим fallback при сбоях.
Модальности
Провайдеры
Запросы обслуживает один из провайдеров ниже — маршрутизация автоматически выбирает оптимального по доступности и скорости в момент запроса. Итоговая стоимость зависит от того, какой провайдер обслужил запрос, и от попадания в кэш: при повторяющемся контексте вход тарифицируется по цене чтения кэша — до 60–80 % дешевле. Цены — в рублях за 1 млн токенов.
DeepInfra | 25,25 ₽ | 111,09 ₽ | 13,89 ₽ | 13 т/с | 99,9 % | 9,7 % |
Venice | 26,51 ₽ | 239,85 ₽ | 12,62 ₽ | 22 т/с | 99,9 % | 15,4 % |
Parasail | 26,51 ₽ | 239,85 ₽ | 12,62 ₽ | 23 т/с | 99,8 % | 31,8 % |
Доля запросов, скорость и латентность считаются по нашему трафику за 30 дней, в разрезе по провайдеру. У одного провайдера может быть несколько строк — разные регионы или тарифы с отдельными ценами; эти значения общие для провайдера, поэтому в таких строках они совпадают.
Поддерживаемые параметры
Сравнить с…
выбрать любую модель →Другие модели от qwen
Qwen: Qwen3.6 Plus
Qwen 3.6 Plus основан на гибридной архитектуре, которая сочетает эффективное линейное внимание с разреженной маршрутизацией mixture-of-experts, обеспечивая высокую масштабируемость и производительность вывода. По сравнению с серией 3.5, он демонстрирует значительные улучшения в агентном кодировании, фронтенд-разработке и общем рассуждении, с существенно улучшенным опытом «vibe coding». Модель превосходно справляется со сложными задачами, такими как 3D-сцены, игры и решение проблем на уровне репозитория, достигая 78,8 баллов на SWE-bench Verified. Она представляет собой значительный скачок как в чисто текстовых, так и в мультимодальных возможностях, работая на уровне ведущих современных моделей.
Qwen: Qwen3.8 Max Prime
Qwen3.8 Max Prime — это вариант Qwen3.8 Max с более высокой пропускной способностью от команды Qwen из Alibaba, предлагаемый как отдельный SKU по более высокой цене. Он принимает текстовые, графические и видеовходы и возвращает текст, имеет контекстное окно в 1M токенов и по умолчанию включает рассуждения. Поддерживаются вызов инструментов, структурированные выводы и настраиваемое усилие рассуждения, что соответствует Qwen3.8 Max.
Qwen: Qwen3.8 Omni Flash
Qwen3.8 Omni Flash — это омнимодальная модель рассуждений от Alibaba, первая модель Qwen, построенная на основе агентских возможностей с нативным пониманием аудио и видео. Она подходит для анализа и обобщения аудио и видео, рабочих процессов редактирования и производства видео, аудио-видео диалогов, кодирования, работы со знаниями и взаимодействия с графическим интерфейсом, и особенно сильна в долгосрочных мультимедийных задачах, которые сочетают речь, звук и визуальный контекст. Она также поддерживает понимание двухканального и четырехканального пространственного аудио.
Qwen: Qwen3.8 Max (0902)
Qwen3.8 Max 0902 — это обновленный снимок Qwen3.8 Max от команды Qwen из Alibaba. Это модель Mixture-of-Experts с 2,4 триллионами параметров, которая принимает текстовые, графические и видеовходы и возвращает текст, с окном контекста в 1 миллион токенов и включенным по умолчанию механизмом рассуждений. Этот снимок прошел пост-обучение для кодирования и агентской работы, включая многоэтапные программные проекты, оркестрацию нескольких инструментов и выполнение долгосрочных задач. Он также предназначен для анализа диаграмм, парсинга документов и мультимодального понимания больших документов и расширенного видео. Поддерживаются вызовы инструментов, структурированные выводы и настраиваемое усилие рассуждений.
Qwen: Qwen3.8 Flash
Qwen3.8 Flash — это мультимодальная модель рассуждений от Alibaba. Она подходит для помощи в кодировании, агентских рабочих процессов, визуального понимания, анализа документов и кодовых баз, взаимодействия с рабочим столом, анализа диаграмм и анализа длинных видео.
Qwen: Qwen3.8 27B
Qwen3.8 27B — это открытая плотная визуально-языковая модель от Qwen. Она подходит для кодирования, профессиональных рабочих процессов, исследований, мультимодального взаимодействия и длительных агентских задач, с гибким мышлением, которое можно включать или отключать.