qwen
Qwen: Qwen3 VL 235B A22B Instruct
qwen/qwen3-vl-235b-a22b-instruct
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
Qwen3-VL-235B-A22B-Instruct es un modelo de visión-lenguaje de mezcla de expertos y pesos abiertos de Qwen que acepta texto e imágenes y devuelve texto. Su ficha lo describe como un sistema general de visión-lenguaje para VQA, análisis de documentos y comprensión de gráficos, con capacidades declaradas por el proveedor en control de agentes de GUI, anclaje espacial, comprensión de video y OCR en 32 idiomas. OpenRouter lista un contexto de 262.144 tokens, llamadas a herramientas y salidas estructuradas; la ficha afirma 256K nativos ampliables a 1M. Los pesos tienen licencia Apache-2.0. Este paquete no incluye mediciones de rendimiento independientes.[1][2]
Puntos fuertes
- Amplitud multimodal declarada por el proveedor: operación de agentes en interfaces de escritorio y móvil, anclaje espacial 2D/3D, comprensión de video con localización temporal por marcas de tiempo y OCR en 32 idiomas.[2]
- Contexto largo según el catálogo y la ficha: OpenRouter muestra una ventana de 262.144 tokens y la ficha afirma 256K nativos ampliables a 1M para documentos extensos y video de horas.[1][2]
- Pesos abiertos con licencia Apache-2.0; OpenRouter lista llamadas a herramientas, salidas estructuradas y entrada de texto e imagen con salida de texto.[1][2]
Limitaciones
- Brecha de evidencia: este paquete no contiene resultados de pruebas medidos de forma independiente; las tablas de rendimiento de la ficha son imágenes sin cifras legibles y los campos de benchmarks de OpenRouter están vacíos. Conviene validar las capacidades declaradas en sus propias cargas de trabajo.[1][2]
- Fricción de autoalojamiento: la ficha recomienda compilar transformers desde el código fuente porque la versión publicada aún no incluía esta arquitectura, y sugiere FlashAttention-2 para ahorrar memoria en esta escala MoE de la clase 235B.[2]
- Discrepancia de modalidad por verificar: OpenRouter solo lista entradas de texto e imagen mientras la ficha describe comprensión de video, por lo que en esa ruta el video podría requerir fotogramas muestreados.[1][2]
Dónde utilizarlo
- Sugerencia editorial: canalizaciones de inteligencia documental con OCR en 32 idiomas, análisis estructural de documentos largos y preguntas sobre gráficos o tablas, según el proveedor.[2]
- Sugerencia editorial: asistentes visuales de contexto largo para archivos extensos o revisión de video prolongada donde importa el contexto de más de 256K; valide primero la calidad de recuperación.[1][2]
- Sugerencia editorial: prototipado de agentes de GUI o generación de código a partir de imágenes como Draw.io, HTML, CSS y JS, ambos descritos por el proveedor pero sin mediciones aquí.[2]
Fuentes
- [1] OpenRouter catalog · Qwen: Qwen3 VL 235B A22B InstructFuentes consultadas: 13 nov 2026
- [2] Model documentation · Qwen: Qwen3 VL 235B A22B InstructFuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
Qwen3-VL-235B-A22B Instruct is an open-weight multimodal model that unifies strong text generation with visual understanding across images and video. The Instruct model targets general vision-language use (VQA, document parsing, chart/table...
Especificaciones
- ID del modelo
- qwen/qwen3-vl-235b-a22b-instruct
- Creador
- qwen
- Añadido a OpenRouter
- 23.09.2025
- Longitud de contexto
- 262,144
- Modalidad
- text+image->text
- Modalidades de entrada
- text, image
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.210 / salida $1.9
- Corte de conocimiento
- 31.03.2025
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | — |
| Programación | Sin medición | — |
| Agentes | Sin medición | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | — |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | entrada: image |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
No hay evaluaciones aportadas para este modelo.
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| DeepInfrafp8 | 262,144 | $0.200 | $0.880 | — | — | 100% |
| Venicefp8 | 128,000 | $0.210 | $1.9 | — | — | 100% |
| Parasailfp8 | 131,072 | $0.210 | $1.9 | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.