Qwen3-VL 235B-A22B Thinking — نموذج تفكير بصري-لغوي مفتوح الأوزان، بإجمالي 235 مليار معلمة / 22 مليار معلمة نشطة، وسياق 128 ألف.
Qwen3 VL 235B A22B Thinking هو نموذج لغوي متعدد الوسائط واسع النطاق من عائلة Qwen. يستخدم بنية خليط من الخبراء، حيث يتم تنشيط 22 ملياراً فقط من 235 مليار معلمة أثناء الاستدلال. يوازن هذا التصميم بين…
يؤدي النموذج مجموعة من مهام الرؤية واللغة: التعليق على الصور، والإجابة على الأسئلة البصرية، والتعرف على الكائنات، والتفكير المكاني. يمكنه تفسير الرسوم البيانية والمخططات والنصوص المكتوبة بخط اليد. بفضل هيكله القائم على "MoE"، يُفعِّل وحدات الخبراء ذات الصلة لكل إدخال، مما يساعد في التعامل مع أنواع الصور المتنوعة بكفاءة. يعمل وضع التفكير على تحسين الدقة في الألغاز البصرية المعقدة أو الاستدلال متعدد الخطوات حول المشاهد. بالنسبة للمهام البسيطة مثل عد الكائنات الأساسي، قد يكون نموذج أصغر كافيًا.
معالجة مدخلات الفيديو تتم عن طريق أخذ عينات من الإطارات على فترات زمنية (قابلة للتكوين). يمكن للنموذج تلخيص محتوى الفيديو، والإجابة عن أسئلة حول الأفعال أو الأشياء في اللقطات، واكتشاف التسلسلات الزمنية. يتعامل النموذج مع الفيديو كسلسلة من الصور مزودة بخط زمني، مما يتيح التفكير في السبب والنتيجة أو التغيرات بمرور الوقت. وضع التفكير مفيد بشكل خاص هنا، حيث يمكنه التعبير عن الاستنتاجات الوسيطة قبل تقديم التحليل النهائي. بالنسبة للفيديوهات الطويلة جدًا، قد تنطبق حدود نافذة السياق.
Qwen3 VL 235B A22B Thinking هو نموذج MoE كبير مع استدلال متخصص. استخدمه عندما تحتاج إلى دقة عالية في المهام متعددة الوسائط المعقدة، خاصة تلك التي تتطلب استنتاجًا منطقيًا، أو تحليلًا مفصلاً للمستندات، أو فهم الفيديو. بالنسبة لمهام وصف الصور المباشرة، أو التعرف البصري الأساسي على الحروف (OCR)، أو الاسترجاع البسيط، فإن النماذج الأصغر (مثل Qwen2.5 VL 7B) ستكون أسرع وأرخص. يضيف وضع التفكير رموزًا إضافية للمخرجات، لذا إذا لم تكن بحاجة إلى سلسلة الأفكار، فقم بتعطيله لتقليل التكلفة وزمن الاستجابة.
بصفته نموذج MoE، قد يُظهر زمن استجابة أعلى قليلًا مقارنة بالنماذج الكثيفة ذات الحجم النشط المماثل بسبب النفقات العامة للتوجيه. يمكن لوضع التفكير إنتاج سلاسل استدلال طويلة، مما يزيد من عدد الرموز المخرجة والتكلفة. وهو محسّن بشكل أساسي للنصوص الإنجليزية، وقد يكون الأداء على اللغات غير الإنجليزية أو منخفضة الموارد أضعف. تخضع معالجة الفيديو لقيود تتعلق بالحد الأقصى لعدد الإطارات التي تناسب النافذة السياقية. قد يهلوء النموذج أيضًا عند المدخلات الغامضة أو العدائية، كحال نماذج اللغة الكبيرة الشائعة.
لم يتم تقديم نتائج معايير محددة لهذا النموذج في البيانات المتاحة. بصفته عضوًا في عائلة Qwen3 VL، فإنه يرث نقاط القوة المعمارية للسلسلة، والتي تحقق بشكل عام نتائج تنافسية في مهام الرؤية واللغة مثل VQAv2 و MMLU (النسخة متعددة الوسائط) و DocVQA. ومع ذلك، يمكن أن يختلف الأداء حسب المهمة. نوصي باختبار النموذج على بياناتك الخاصة لتقييم مدى ملاءمته. وضع التفكير عادةً ما يحسن النتائج في المعايير التي تعتمد على التفكير الثقيل.
تعتمد زمن الاستجابة على حجم الإدخال وعدد الخبراء النشطين (22B) وما إذا كان وضع التفكير مفعّلاً. تسمح بنية MoE بالتوسع بكفاءة مقارنة بنموذج كثيف بحجم 235B. زمن الاستجابة للرمز الأول هو نموذجي لنموذج بهذا الحجم المُفعّل (حوالي 22B معامل). بالنسبة لإدخال قصير من صورة+نص بدون تفكير، قد يكون وقت أول رمز بضع ثوانٍ. مع تفعيل التفكير وتسلسلات الإخراج الطويلة، يمكن أن يزيد إجمالي وقت الاستدلال بشكل كبير. يوفر OrcaRouter مراقبة فورية عبر لوحة تحكم API.
تصميم MoE مع 22 مليار معامل نشط يحقق توازنًا مناسبًا بين سعة النموذج والتكلفة الحسابية. يمكنه مطابقة دقة نموذج كثيف بحجم 70 مليار معامل أو تجاوزها في العديد من المهام، مع استخدام عدد أقل من FLOPs لكل رمز. يسمح التوجيه المتخصص بالتخصص: حيث تتعامل الخبراء المختلفون مع أنواع مختلفة من المهام البصرية أو المنطقية. وهذا يجعل النموذج أكثر قوة في مواجهة التحولات النطاقية مقارنة بنموذج كثيف أصغر. زمن الاستجابة يكون عمومًا أقل من نموذج كثيف بحجم 235 مليار معامل، وإن كان أعلى من نموذج كثيف بحجم 22 مليار معامل.
بالرغم من مزاياها، إلا أن النموذج ليس حلاً سحرياً. قد يواجه صعوبة في المهام التي تتطلب تحديداً مكانياً دقيقاً (مثل مربعات الإحاطة الدقيقة للأشياء) ما لم يتم ضبطه بدقة. كما أن وضع التفكير قد يُنتج أحياناً استدلالاً غير ذي صلة أو دائرياً، مما يزيد التكلفة دون فائدة. وقد يكون الاستدلال على الصور فائقة الدقة غير فعّال لأن جميع القطع يجب معالجتها. إذا كانت مهام عملك تتسم بسيطرة المدخلات البسيطة ومنخفضة التباين، فسيكون النموذج الأصغر أكثر فعالية من حيث التكلفة وسرعة.
التسعير هو 0.40 دولار لكل مليون رمز إدخال و4.00 دولار لكل مليون رمز إخراج. يتم فوترة هذه الأسعار بسعر المزود دون أي هامش ربح يضاف من قبل OrcaRouter. تتضمن رموز الإدخال جميع نصوص المطالبات، ورموز الصور، ورموز إطارات الفيديو. تتضمن رموز الإخراج كلاً من سلسلة التفكير (إذا تم تمكينها) والإجابة النهائية. بالنسبة لاستعلام متعدد الوسائط نموذجي من 1,000 رمز إدخال و500 رمز إخراج، ستكون التكلفة 0.00040 دولار + 0.00200 دولار = 0.00240 دولار. إجمالي التكاليف يتناسب خطياً مع استخدام الرموز.
لا يقوم OrcaRouter بترميز أسعار المزودين، ولكنه قد يقدم خيارات التخزين المؤقت كجزء من بنيته التحتية. على وجه التحديد، يمكن أن يؤدي التخزين المؤقت لرموز الإدخال إلى تقليل التكاليف إذا أعدت استخدام أجزاء من المطالبات (مثل رسائل النظام أو مقتطفات الصور الشائعة). راجع وثائق OrcaRouter للحصول على أحدث سياسات التخزين المؤقت. لا يوجد التزام أو هيكل خصم كمي؛ أنت تدفع فقط مقابل الرموز المميزة المستهلكة. تتحقق ميزة التكلفة لـ MoE لكل رمز مميز لأنه يتم استخدام 22B معلمة فقط لكل خطوة.
تعتمد الرموز المميزة للإدخال على عدد الصور أو إطارات الفيديو ودقتها. عادةً ما تُقسّم كل صورة إلى أجزاء ثابتة الحجم، يُحوّل كل منها إلى رموز مميزة. تزيد الصور عالية الدقة أو مقاطع الفيديو الأطول من عدد الرموز المميزة للإدخال بشكل كبير. تشمل رموز الإخراج سلسلة التفكير؛ وقد تُضيف سلسلة الاستدلال النموذجية لسؤال متوسط الصعوبة 200-500 رمز مميز. الحد الأقصى لطول الإخراج هو 40,960 رمزًا مميزًا، مما يتيح تسلسلات استدلال طويلة جدًا إذا لزم الأمر. خطط لميزانيتك وفقًا لذلك.
استخدم نقطة نهاية API المتوافقة مع OpenAI مع الرابط الأساسي https://api.orcarouter.ai/v1. عيّن معلمة النموذج إلى "qwen/qwen3-vl-235b-a22b-thinking". يتم المصادقة عبر مفتاح API مضمن في رأس Authorization. يتبع تنسيق الطلب اصطلاح إكمال المحادثات الخاص بـ OpenAI مع الرسائل. بالنسبة للإدخالات متعددة الوسائط، قم بتضمين مصفوفة محتوى تحتوي على نوع "text" ونوع "image_url" (أو "video_url" لمقاطع الفيديو). مثال: curl -X POST https://api.orcarouter.ai/v1/chat/completions -H "Authorization: Bearer YOUR_KEY" -H "Content-Type: application/json" -d '{"model":"qwen/qwen3-vl-235b-a22b-thinking","messages":[{"role":"user","content":[{"type":"text","text":"What is in this image?"},{"type":"image_url","image_url":{"url":"https://example.com/photo.jpg"}}]}]}'
In addition to standard OpenAI-compatible parameters (temperature, top_p, max_tokens, stop, etc.), this model supports a "thinking" parameter to enable or disable the chain-of-thought mode. Set "thinking": true (default) to include reasoning, or false to output only the final answer. Other possible model-specific parameters include "max_thinking_tokens" to limit the length of the reasoning chain. See the OrcaRouter API documentation for a full list. The response format is identical to OpenAI’s, with the thinking chain included as part of the content if enabled.
إذا كنت تستخدم حاليًا GPT-4V أو GPT-4o من OpenAI، فإن عملية الترحيل بسيطة. قم بتغيير عنوان URL الأساسي إلى https://api.orcarouter.ai/v1، واستخدم مفتاح API الخاص بـ OrcaRouter، واضبط النموذج على "qwen/qwen3-vl-235b-a22b-thinking". يتطابق مخطط API لإكمال الدردشة تمامًا. يُرجى ملاحظة أن وضع التفكير قد يُنتج مخرجات أطول؛ يمكنك تعطيله باستخدام "thinking": false. تستخدم مدخلات الصور والفيديو نفس بنية نوع المحتوى. اختبر الأمر بعدد صغير من الطلبات أولاً للتحقق من التوافق والتكلفة.
مدخل الفيديو يتم توفيره كرابط URL لملف فيديو (مثل MP4). في مصفوفة محتوى الرسائل، استخدم النوع "video_url" مع حقل url. سيقوم الخلفية في OrcaRouter بأخذ عينات من إطارات الفيديو حتى الحد الأقصى الذي يتناسب مع نافذة السياق. يمكنك اختياريًا تحديد معامل frame_sample_rate. يقوم النموذج بعد ذلك بمعالجة الإطارات المنتقاة كتسلسل. يمكن لوضع التفكير الاستدلال عبر الإطارات لفهم الأحداث الزمنية. بالنسبة لمقاطع الفيديو الطويلة جدًا، يُنصح بالتصفية المسبقة أو التقسيم إلى أجزاء.
يستخدم Qwen3 VL 235B A22B بنية MoE مع 22 مليار معامل نشط، بينما GPT-4o هو نموذج كثيف بحجم غير معلوم. كلاهما يدعم إدخال الصور والنصوص والفيديو. يوضع التفكير المنطقي الصريح، وهو ما لا يوفره GPT-4o افتراضيًا (وإن كان بإمكانك تحفيز سلسلة الأفكار). Qwen3 VL أكثر فعالية من حيث التكلفة لكل رمز (0.40 دولارًا / 4.00 دولارات مقابل 5 دولارات / 15 دولارًا لـ GPT-4o لكل مليون رمز إدخال/إخراج). قد يكون زمن الاستجابة أعلى بسبب توجيه MoE. يعتمد الأداء على المهمة المحددة؛ نوصي بالتقييم جنبًا إلى جنب.
Gemini 2.0 Flash هو نموذج أصغر وأسرع محسّن لزمن الاستجابة المنخفض. يقدم Qwen3 VL 235B A22B Thinking سعة فعالة أكبر من خلال MoE ووضع تفكير مدمج. Gemini Flash لديه نافذة سياق تبلغ ~1M رمزًا، بينما Qwen3 VL لديه 131K. بالنسبة للمهام التي تتطلب استدلالًا عميقًا على العناصر المرئية المعقدة، قد ينتج Qwen3 VL نتائج أكثر دقة. ومع ذلك، بالنسبة للمهام البسيطة أو الحساسة للوقت، سيكون Gemini Flash أسرع وأرخص. كلاهما متاحان عبر API الخاص بـ OrcaRouter.
Llama 3.2 90B هو نموذج رؤية-لغة كثيف (dense vision-language model) يضم 90 مليار معلمة (90B parameters). بينما نموذج Qwen3 VL 235B A22B يحتوي على عدد إجمالي أكبر من المعلمات ولكنه ينشّط فقط 22 مليار معلمة، مما قد يستهلك عددًا أقل من العمليات الحسابية (FLOPs) لكل رمز (token). يدعم Llama 3.2 إدخال الصور فقط (وليس الفيديو). يوفر وضع التفكير (thinking mode) في Qwen3 VL استدلالًا صريحًا (explicit reasoning)، بينما لا يحتوي Llama على آلية مدمجة لذلك. عادةً ما يكون تسعير Llama 3.2 عبر OrcaRouter أقل لكل رمز، ولكن في المهام التي تتطلب عمقًا في الاستدلال، قد يقدم Qwen3 VL نتائج أفضل. نافذة السياق (context window) في Qwen3 VL أكبر (131K مقابل 128K).
هذا النموذج (235B إجمالي، 22B نشط) هو الأكبر في عائلة Qwen3 VL MoE. الإصدارات الأصغر (مثل 72B إجمالي / 15B نشط) أرخص وأسرع. اختر هذا النموذج عندما تحتاج إلى أعلى دقة ممكنة في مهام الاستدلال متعدد الوسائط الصعبة، أو فهم الفيديو، أو عندما تُضيف طريقة التفكير قيمة. بالنسبة للمهام التي تُعالجها النماذج الأصغر بكفاءة، مثل التعليق البسيط أو التصنيف، ستكون التوفيرات في التكلفة لنموذج MoE أصغر (أو نموذج كثيف) كبيرة.
متوافق مع OpenAI — أبقِ على SDK الحالي
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="qwen/qwen3-vl-235b-a22b-thinking",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)enable_searchenable_thinkinginclude_reasoninglogprobsmax_tokensnparallel_tool_callspresence_penaltyreasoningrepetition_penaltyresponse_formatseedstopstreamstream_optionstemperaturethinking_budgettool_choicetoolstop_ktop_logprobstop_p| الإدخال / 1M توكن | $0.400 |
| الإخراج / 1M توكن | $4.00 |
| العملة | USD |
تقدير بناءً على السعر المُعلن
تقدير فقط — يعتمد العدد الفعلي للرموز على مُجزّئ الرموز الخاص بالمزوّد.
GET /api/public/models/qwen/qwen3-vl-235b-a22b-thinkingفتح @misc{orcarouter_qwen3_vl_235b_a22b_thinking,
title = {Qwen3 VL 235B A22B Thinking API},
author = {Qwen},
year = {2025},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/qwen/qwen3-vl-235b-a22b-thinking}
}Qwen. (2025). Qwen3 VL 235B A22B Thinking API. OrcaRouter. https://www.orcarouter.ai/models/qwen/qwen3-vl-235b-a22b-thinking