Qwen3-VL 235B-A22B Thinking — modello di ragionamento visione-linguaggio a pesi aperti, 235B totali / 22B parametri attivi, contesto 128k.
Qwen3 VL 235B A22B Thinking è un modello linguistico multimodale su larga scala della famiglia Qwen. Utilizza un'architettura a miscela di esperti, in cui solo 22 miliardi dei suoi 235 miliardi di…
Il modello esegue una serie di compiti visione-linguaggio: didascalia di immagini, risposta a domande visive, riconoscimento di oggetti e ragionamento spaziale. Sa interpretare diagrammi, grafici e testo scritto a mano. Grazie alla sua struttura MoE, attiva i moduli esperti pertinenti per ogni input, contribuendo a gestire in modo efficiente diversi tipi di immagini. La modalità di pensiero migliora ulteriormente la precisione su complessi puzzle visivi o ragionamenti multi-step sulle scene. Per attività semplici come il conteggio di base di oggetti, può essere sufficiente un modello più piccolo.
L'input video viene gestito campionando i fotogrammi a intervalli (configurabili). Il modello può riassumere il contenuto video, rispondere a domande su azioni o oggetti nelle riprese e rilevare sequenze temporali. Tratta il video come una serie di immagini con una linea temporale, quindi è possibile ragionare su causa ed effetto o sui cambiamenti nel tempo. La modalità di pensiero è particolarmente utile in questo caso perché può articolare conclusioni intermedie prima di fornire un'analisi finale. Per video molto lunghi, potrebbero applicarsi i limiti della finestra di contesto.
Qwen3 VL 235B A22B Thinking è un grande modello MoE con capacità di ragionamento specializzate. Utilizzalo quando hai bisogno di elevata accuratezza in attività multimodali complesse, in particolare quelle che richiedono deduzione logica, analisi dettagliata di documenti o comprensione video. Per didascalie di immagini semplici, OCR di base o recupero dati elementare, modelli più piccoli (ad es. Qwen2.5 VL 7B) saranno più veloci ed economici. La modalità di pensiero aggiunge token di output, quindi se non hai bisogno di chain-of-thought, disattivala per ridurre costi e latenza.
In quanto modello MoE, potrebbe presentare una latenza leggermente maggiore rispetto a modelli densi di dimensioni attive simili a causa del sovraccarico di routing. La modalità di pensiero può produrre lunghe catene di ragionamento, aumentando il numero e il costo dei token di output. È principalmente ottimizzata per testi in lingua inglese, e le prestazioni su lingue non inglesi o a basse risorse potrebbero essere inferiori. L'elaborazione video è limitata dal numero massimo di fotogrammi che possono essere inseriti nella finestra di contesto. Il modello può anche allucinare su input ambigui o avversari, come è comune nei modelli linguistici di grandi dimensioni.
Punteggi benchmark specifici per questo modello non sono stati forniti nei dati disponibili. In quanto membro della famiglia Qwen3 VL, eredita i punti di forza architetturali della serie, che generalmente ottiene risultati competitivi su compiti visione-linguaggio come VQAv2, MMLU (versione multimodale) e DocVQA. Tuttavia, le prestazioni possono variare in base al compito. Raccomandiamo di testare il modello sui propri dati per valutarne l'idoneità. La modalità di pensiero migliora tipicamente i punteggi su benchmark che richiedono molto ragionamento.
La latenza dipende dalla dimensione dell'input, dal numero di esperti attivi (22B) e dal fatto che la modalità di pensiero sia abilitata. L'architettura MoE consente un ridimensionamento efficiente rispetto a un modello denso da 235B. La latenza del primo token è tipica per un modello di questa dimensione attivata (circa 22B parametri). Per un prompt breve di immagine+testo senza pensiero, il tempo al primo token può essere di pochi secondi. Con la modalità di pensiero abilitata e sequenze di output lunghe, il tempo totale di inferenza può aumentare significativamente. OrcaRouter fornisce monitoraggio in tempo reale tramite il dashboard API.
Il design MoE con 22B parametri attivi offre un compromesso favorevole tra capacità del modello e costo computazionale. Può eguagliare o superare l'accuratezza di un modello denso da 70B in molti compiti utilizzando meno FLOP per token. Il routing degli esperti consente la specializzazione: diversi esperti gestiscono diversi tipi di compiti visivi o di ragionamento. Ciò rende il modello più robusto ai cambiamenti di dominio rispetto a un modello denso più piccolo. La latenza è generalmente inferiore rispetto a un modello denso da 235B, sebbene superiore a un modello denso da 22B.
Nonostante i suoi vantaggi, il modello non è una panacea. Potrebbe avere difficoltà con attività che richiedono una precisa localizzazione spaziale (ad esempio, riquadri di delimitazione esatti degli oggetti) a meno che non venga ottimizzato. La modalità di pensiero può talvolta produrre ragionamenti irrilevanti o circolari, aumentando i costi senza benefici. L'inferenza su immagini ad altissima risoluzione potrebbe essere inefficiente perché tutti i patch devono essere elaborati. Se il tuo carico di lavoro è dominato da input semplici e a bassa varianza, un modello più piccolo sarà più conveniente e veloce.
Il prezzo è di $0.40 per 1 milione di token di input e $4.00 per 1 milione di token di output. Queste tariffe vengono fatturate alla tariffa del provider senza alcun margine applicato da OrcaRouter. I token di input includono tutti i prompt di testo, i token delle immagini e i token dei fotogrammi video. I token di output includono sia la catena di pensiero (se abilitata) che la risposta finale. Per una tipica query multimodale di 1.000 token di input e 500 token di output, il costo sarebbe $0.00040 + $0.00200 = $0.00240. I costi totali scalano linearmente con l'utilizzo dei token.
OrcaRouter non applica markup ai prezzi dei provider, ma può offrire opzioni di caching come parte della sua infrastruttura. In particolare, il caching dei token di input può ridurre i costi se riutilizzi parti dei prompt (ad esempio, messaggi di sistema o snippet di immagini comuni). Consulta la documentazione di OrcaRouter per le più recenti politiche di caching. Non esiste alcuna struttura di impegno o sconto quantità; paghi solo per i token consumati. Il vantaggio in termini di costo di MoE si realizza per token perché vengono utilizzati solo 22B parametri per passo.
I token di input dipendono dal numero di immagini o fotogrammi video e dalla loro risoluzione. Ogni immagine viene tipicamente suddivisa in patch di dimensioni fisse, ciascuna convertita in token. Immagini ad alta risoluzione o video più lunghi aumentano sostanzialmente il conteggio dei token di input. I token di output includono la catena di pensiero; una tipica catena di pensiero per una domanda di media difficoltà può aggiungere da 200 a 500 token. La lunghezza massima di output è di 40.960 token, consentendo sequenze di ragionamento molto lunghe se necessario. Pianifica il tuo budget di conseguenza.
Utilizza l'endpoint API compatibile con OpenAI con URL di base https://api.orcarouter.ai/v1. Imposta il parametro model su "qwen/qwen3-vl-235b-a22b-thinking". L'autenticazione avviene tramite una chiave API inclusa nell'header Authorization. Il formato della richiesta segue la convenzione di chat completions di OpenAI con i messaggi. Per input multimodali, includi un array content con type "text" e type "image_url" (o "video_url" per i video). Esempio: 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"}}]}]}'
Oltre ai parametri standard compatibili con OpenAI (temperature, top_p, max_tokens, stop, ecc.), questo modello supporta un parametro "thinking" per abilitare o disabilitare la modalità chain-of-thought. Imposta "thinking": true (predefinito) per includere il ragionamento, oppure false per ottenere solo la risposta finale. Altri parametri specifici del modello includono "max_thinking_tokens" per limitare la lunghezza della catena di ragionamento. Consulta la documentazione dell'API di OrcaRouter per l'elenco completo. Il formato di risposta è identico a quello di OpenAI, con la catena di ragionamento inclusa nel contenuto, se abilitata.
Se attualmente utilizzi OpenAI’s GPT-4V o GPT-4o, la migrazione è semplice. Cambia l’URL di base in https://api.orcarouter.ai/v1, utilizza la tua chiave API OrcaRouter e imposta il modello su "qwen/qwen3-vl-235b-a22b-thinking". L’API di completamento chat è identica nello schema. Nota che la modalità di pensiero (thinking) potrebbe produrre output più lunghi; puoi disabilitarla con "thinking": false. Gli input di immagini e video utilizzano la stessa struttura del tipo di contenuto. Testa prima con un piccolo numero di richieste per verificare compatibilità e costi.
L'input video viene fornito come URL di un file video (ad es. MP4). Nell'array di contenuti dei messaggi, utilizza il tipo "video_url" con un campo url. Il backend di OrcaRouter campiona fotogrammi dal video fino a un numero massimo che rientra nella finestra di contesto. È possibile specificare facoltativamente un parametro frame_sample_rate. Il modello quindi elabora i fotogrammi campionati come una sequenza. La modalità di pensiero può ragionare tra i fotogrammi per comprendere eventi temporali. Per video molto lunghi, considera di pre-filtrare o suddividere in segmenti.
Qwen3 VL 235B A22B Thinking utilizza un'architettura MoE con 22B parametri attivi, mentre GPT-4o è un modello denso di dimensioni non rivelate. Entrambi supportano input di immagini, testo e video. La modalità di pensiero fornisce un ragionamento esplicito, cosa che GPT-4o non fa per impostazione predefinita (sebbene sia possibile richiedere una catena di pensiero). Qwen3 VL è generalmente più conveniente per token ($0.40/$4.00 contro i $5/$15 di GPT-4o per 1M token di input/output). La latenza potrebbe essere maggiore a causa del routing MoE. Le prestazioni dipendono dal compito specifico; consigliamo una valutazione affiancata.
Gemini 2.0 Flash è un modello più piccolo e veloce, ottimizzato per basse latenze. Qwen3 VL 235B A22B Thinking offre una capacità effettiva maggiore grazie all'architettura MoE e a una modalità di pensiero integrata. Gemini Flash ha una finestra di contesto di ~1 milione di token, mentre Qwen3 VL ha 131K. Per attività che richiedono un ragionamento approfondito su contenuti visivi complessi, Qwen3 VL può produrre risultati più accurati. Tuttavia, per compiti semplici o urgenti, Gemini Flash sarà più veloce ed economico. Entrambi sono accessibili tramite l'API di OrcaRouter.
Llama 3.2 90B è un modello denso visione-linguaggio con 90 miliardi di parametri. Qwen3 VL 235B A22B ha più parametri totali ma ne attiva solo 22 miliardi, potenzialmente utilizzando meno FLOP per token. Llama 3.2 supporta solo input di immagini (non video). La modalità di pensiero in Qwen3 VL fornisce un ragionamento esplicito, mentre Llama non ha un meccanismo integrato. Il prezzo per Llama 3.2 tramite OrcaRouter è tipicamente inferiore per token, ma per compiti in cui la profondità di ragionamento è importante, Qwen3 VL potrebbe fornire risultati migliori. La finestra di contesto è più grande in Qwen3 VL (131K vs. 128K).
Questo modello (235B totali, 22B attivi) è il più grande della famiglia Qwen3 VL MoE. Le varianti più piccole (ad esempio, 72B totali / 15B attivi) sono più economiche e veloci. Scegli questo modello quando necessiti della massima accuratezza possibile in compiti di ragionamento multimodale impegnativi, comprensione video, o quando la modalità di pensiero aggiunge valore. Per compiti gestiti bene da modelli più piccoli, come descrizione semplice o classificazione, il risparmio sui costi di un MoE più piccolo (o modello denso) sarà significativo.
Compatibile con OpenAI: mantieni il tuo SDK
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 |
| Valuta | USD |
Stima basata sul prezzo di listino
Solo una stima — il numero effettivo di token dipende dal tokenizzatore del provider.
GET /api/public/models/qwen/qwen3-vl-235b-a22b-thinkingApri @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