Qwen3-VL 235B-A22B Thinking — model penalaran visi-bahasa berbobot terbuka, 235B total / 22B parameter aktif, konteks 128k.
Qwen3 VL 235B A22B Thinking adalah model bahasa multimodal berskala besar dari keluarga Qwen. Model ini menggunakan arsitektur campuran para ahli, di mana hanya 22 miliar dari 235 miliar parameternya…
Model ini melakukan berbagai tugas visi-bahasa: penulisan keterangan gambar, menjawab pertanyaan visual, pengenalan objek, dan penalaran spasial. Model ini dapat menginterpretasikan diagram, bagan, dan teks tulisan tangan. Karena struktur MoE-nya, model ini mengaktifkan modul ahli yang relevan per input, yang membantu menangani berbagai jenis gambar secara efisien. Mode berpikir lebih lanjut meningkatkan akurasi pada teka-teki visual yang kompleks atau penalaran multi-langkah tentang pemandangan. Untuk tugas sederhana seperti penghitungan objek dasar, model yang lebih kecil mungkin sudah cukup.
Input video ditangani dengan mengambil sampel frame pada interval (dapat dikonfigurasi). Model dapat merangkum konten video, menjawab pertanyaan tentang aksi atau objek dalam rekaman, dan mendeteksi urutan temporal. Ini memperlakukan video sebagai serangkaian gambar dengan garis waktu, sehingga penalaran tentang sebab-akibat atau perubahan seiring waktu dimungkinkan. Mode berpikir sangat berguna di sini karena dapat mengartikulasikan kesimpulan antara sebelum memberikan analisis akhir. Untuk video yang sangat panjang, batas jendela konteks mungkin berlaku.
Qwen3 VL 235B A22B Thinking adalah model MoE besar dengan penalaran khusus. Gunakan model ini ketika Anda membutuhkan akurasi tinggi pada tugas multimodal yang kompleks, terutama yang memerlukan penalaran logis, penguraian dokumen terperinci, atau pemahaman video. Untuk pembuatan teks gambar yang sederhana, OCR dasar, atau pengambilan sederhana, model yang lebih kecil (misalnya, Qwen2.5 VL 7B) akan lebih cepat dan lebih murah. Mode thinking menambahkan token keluaran, jadi jika Anda tidak memerlukan rantai pemikiran, nonaktifkan mode tersebut untuk mengurangi biaya dan latensi.
Sebagai model MoE, model ini mungkin menunjukkan latensi yang sedikit lebih tinggi dibandingkan model dense dengan ukuran aktif yang serupa karena overhead routing. Mode berpikir dapat menghasilkan rantai penalaran yang panjang, meningkatkan jumlah token output dan biaya. Model ini terutama dioptimalkan untuk teks berbahasa Inggris, dan kinerja pada bahasa non-Inggris atau bahasa dengan sumber daya rendah mungkin lebih lemah. Pemrosesan video dibatasi oleh jumlah maksimum bingkai yang muat dalam jendela konteks. Model ini juga dapat mengalami halusinasi pada input yang ambigu atau adversarial, seperti yang umum terjadi pada model bahasa besar.
Skor tolok ukur spesifik untuk model ini belum disediakan dalam data yang tersedia. Sebagai anggota keluarga Qwen3 VL, model ini mewarisi kekuatan arsitektur dari seri tersebut, yang secara umum mencapai hasil yang kompetitif pada tugas-tugas visi-bahasa seperti VQAv2, MMLU (versi multimodal), dan DocVQA. Namun, kinerja dapat bervariasi tergantung pada tugas. Kami merekomendasikan untuk menguji model pada data Anda sendiri guna mengevaluasi kesesuaiannya. Mode berpikir biasanya meningkatkan skor pada tolok ukur yang membutuhkan penalaran berat.
Latensi tergantung pada ukuran input, jumlah ahli aktif (22B), dan apakah mode berpikir diaktifkan. Arsitektur MoE memungkinkan penskalaan yang efisien dibandingkan dengan model padat 235B. Latensi token pertama tipikal untuk model dengan ukuran aktif ini (sekitar 22B parameter). Untuk prompt pendek gambar+teks tanpa berpikir, waktu-ke-token-pertama mungkin beberapa detik. Dengan mode berpikir diaktifkan dan urutan output yang panjang, total waktu inferensi dapat meningkat secara signifikan. OrcaRouter menyediakan pemantauan real-time melalui dasbor API.
Desain MoE dengan 22B parameter aktif menawarkan keseimbangan yang menguntungkan antara kapasitas model dan biaya komputasi. Model ini dapat menyamai atau melampaui akurasi model padat 70B dalam banyak tugas sambil menggunakan lebih sedikit FLOPs per token. Perutean ahli memungkinkan spesialisasi: masing-masing ahli menangani jenis tugas visual atau penalaran yang berbeda. Hal ini membuat model lebih tangguh terhadap perubahan domain dibandingkan model padat yang lebih kecil. Latensi umumnya lebih rendah daripada model padat 235B, meskipun lebih tinggi daripada model padat 22B.
Meskipun memiliki kelebihan, model ini bukanlah obat mujarab. Model ini mungkin kesulitan dengan tugas yang memerlukan lokalisasi spasial yang presisi (misalnya, kotak pembatas objek yang tepat) kecuali jika disetel dengan baik. Mode berpikir terkadang dapat menghasilkan pemikiran yang tidak relevan atau melingkar, meningkatkan biaya tanpa manfaat. Inferensi pada gambar beresolusi sangat tinggi mungkin tidak efisien karena semua patch harus diproses. Jika beban kerja Anda didominasi oleh input sederhana dengan varians rendah, model yang lebih kecil akan lebih hemat biaya dan lebih cepat.
Harga adalah $0.40 per 1 juta token input dan $4.00 per 1 juta token output. Tarif ini ditagih sesuai tarif penyedia tanpa markup yang diterapkan oleh OrcaRouter. Token input mencakup semua perintah teks, token gambar, dan token bingkai video. Token output mencakup rantai pemikiran (jika diaktifkan) dan jawaban akhir. Untuk pertanyaan multimodal tipikal dengan 1.000 token input dan 500 token output, biayanya akan menjadi $0.00040 + $0.00200 = $0.00240. Total biaya meningkat secara linear dengan penggunaan token.
OrcaRouter tidak menaikkan harga penyedia, tetapi dapat menawarkan opsi caching sebagai bagian dari infrastrukturnya. Secara spesifik, caching token input dapat mengurangi biaya jika Anda menggunakan kembali bagian dari prompt (misalnya, pesan sistem atau potongan gambar umum). Konsultasikan dokumentasi OrcaRouter untuk kebijakan caching terbaru. Tidak ada struktur komitmen atau diskon massal; Anda hanya membayar untuk token yang digunakan. Keuntungan biaya MoE direalisasikan per token karena hanya 22B parameter yang digunakan per langkah.
Token input tergantung pada jumlah gambar atau bingkai video dan resolusinya. Setiap gambar biasanya dipecah menjadi patch berukuran tetap, yang masing-masing dikonversi menjadi token. Gambar beresolusi tinggi atau video yang lebih panjang meningkatkan jumlah token input secara signifikan. Token output mencakup rantai pemikiran; rantai pemikiran yang umum untuk pertanyaan dengan tingkat kesulitan sedang dapat menambah 200-500 token. Panjang output maksimum adalah 40.960 token, memungkinkan urutan penalaran yang sangat panjang jika diperlukan. Rencanakan anggaran Anda sesuai dengan itu.
Gunakan endpoint API yang kompatibel dengan OpenAI dengan URL dasar https://api.orcarouter.ai/v1. Tetapkan parameter model ke "qwen/qwen3-vl-235b-a22b-thinking". Autentikasi dilakukan melalui kunci API yang disertakan dalam header Authorization. Format permintaan mengikuti konvensi chat completions OpenAI dengan messages. Untuk input multimodal, sertakan array content dengan tipe "text" dan tipe "image_url" (atau "video_url" untuk video). Contoh: 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.
Jika saat ini Anda menggunakan GPT-4V atau GPT-4o dari OpenAI, migrasinya mudah. Ubah base URL menjadi https://api.orcarouter.ai/v1, gunakan kunci API OrcaRouter Anda, dan atur model menjadi "qwen/qwen3-vl-235b-a22b-thinking". API penyelesaian obrolan memiliki skema yang identik. Perhatikan bahwa mode berpikir dapat menghasilkan output yang lebih panjang; Anda dapat menonaktifkannya dengan "thinking": false. Input gambar dan video menggunakan struktur tipe konten yang sama. Uji coba dengan sejumlah kecil permintaan terlebih dahulu untuk memverifikasi kompatibilitas dan biaya.
Input video disediakan sebagai URL ke file video (misalnya, MP4). Dalam array konten pesan, gunakan tipe "video_url" dengan bidang url. Backend OrcaRouter akan mengambil sampel frame dari video hingga jumlah maksimum yang muat dalam jendela konteks. Anda secara opsional dapat menentukan parameter frame_sample_rate. Model kemudian memproses frame yang diambil sampelnya sebagai sebuah urutan. Mode berpikir dapat bernalar di seluruh frame untuk memahami peristiwa temporal. Untuk video yang sangat panjang, pertimbangkan untuk melakukan pra-filter atau membagi menjadi segmen-segmen.
Qwen3 VL 235B A22B Thinking menggunakan arsitektur MoE dengan 22B parameter aktif, sedangkan GPT-4o adalah model padat dengan ukuran yang tidak diungkapkan. Keduanya mendukung input gambar, teks, dan video. Mode thinking menyediakan penalaran eksplisit, yang tidak dimiliki GPT-4o secara default (meskipun Anda dapat meminta rantai pemikiran). Qwen3 VL umumnya lebih hemat biaya per token ($0.40/$4.00 vs. $5/$15 GPT-4o per 1M token input/output). Latensi mungkin lebih tinggi karena perutean MoE. Kinerja tergantung pada tugas spesifik; kami merekomendasikan evaluasi berdampingan.
Gemini 2.0 Flash adalah model yang lebih kecil dan lebih cepat yang dioptimalkan untuk latensi rendah. Qwen3 VL 235B A22B Thinking menawarkan kapasitas efektif yang lebih besar melalui MoE dan mode berpikir bawaan. Gemini Flash memiliki jendela konteks sekitar ~1M token, sedangkan Qwen3 VL memiliki 131K. Untuk tugas yang memerlukan penalaran mendalam pada visual yang kompleks, Qwen3 VL dapat menghasilkan hasil yang lebih akurat. Namun, untuk tugas sederhana atau yang sensitif terhadap waktu, Gemini Flash akan lebih cepat dan lebih murah. Keduanya dapat diakses melalui API OrcaRouter.
Llama 3.2 90B adalah model visi-bahasa padat dengan 90 miliar parameter. Qwen3 VL 235B A22B memiliki lebih banyak parameter total tetapi hanya mengaktifkan 22B, sehingga berpotensi menggunakan lebih sedikit FLOP per token. Llama 3.2 hanya mendukung input gambar (bukan video). Mode berpikir pada Qwen3 VL memberikan penalaran eksplisit, sementara Llama tidak memiliki mekanisme bawaan. Harga untuk Llama 3.2 melalui OrcaRouter biasanya lebih rendah per token, tetapi untuk tugas-tugas yang membutuhkan kedalaman penalaran, Qwen3 VL mungkin memberikan hasil yang lebih baik. Jendela konteks lebih besar pada Qwen3 VL (131K vs. 128K).
Model ini (total 235B, 22B aktif) adalah yang terbesar dalam keluarga Qwen3 VL MoE. Varian yang lebih kecil (misalnya, total 72B / 15B aktif) lebih murah dan lebih cepat. Pilih model ini ketika Anda membutuhkan akurasi setinggi mungkin pada tugas penalaran multimodal yang menantang, pemahaman video, atau ketika mode berpikir menambah nilai. Untuk tugas yang dapat ditangani dengan baik oleh model yang lebih kecil, seperti pembuatan teks (captioning) sederhana atau klasifikasi, penghematan biaya dari MoE yang lebih kecil (atau model padat) akan signifikan.
Kompatibel OpenAI — pakai SDK Anda yang sekarang
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| Input / 1M token | $0.400 |
| Output / 1M token | $4.00 |
| Mata uang | USD |
Perkiraan berdasarkan harga daftar
Hanya perkiraan — jumlah token sebenarnya bergantung pada tokenizer penyedia.
GET /api/public/models/qwen/qwen3-vl-235b-a22b-thinkingBuka @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