Qwen3-VL 235B-A22B Thinking — open-weight vision-language reasoning model, 235B totaal / 22B actieve parameters, 128k context.
Qwen3 VL 235B A22B Thinking is een grootschalig multimodaal taalmodel uit de Qwen-familie. Het maakt gebruik van een mixture-of-experts-architectuur, waarbij slechts 22 miljard van de 235 miljard…
Het model voert een reeks visueel-taal taken uit: beeldbeschrijving, visuele vraagbeantwoording, objectherkenning en ruimtelijk redeneren. Het kan diagrammen, grafieken en handgeschreven tekst interpreteren. Vanwege zijn MoE-structuur activeert het relevante expertmodules per invoer, wat helpt om efficiënt om te gaan met diverse soorten afbeeldingen. De denkmodus verbetert verder de nauwkeurigheid bij complexe visuele puzzels of meerstaps redeneren over scènes. Voor eenvoudige taken zoals het tellen van basisobjecten kan een kleiner model volstaan.
Video-invoer wordt verwerkt door frames op gezette tijden te samplen (configureerbaar). Het model kan video-inhoud samenvatten, vragen beantwoorden over acties of objecten in het beeldmateriaal, en temporele sequenties detecteren. Het behandelt video als een reeks afbeeldingen met een tijdlijn, zodat redeneren over oorzaak en gevolg of veranderingen in de tijd mogelijk is. De denkmodus is hierbij bijzonder nuttig, omdat deze tussentijdse conclusies kan verwoorden voordat een definitieve analyse wordt gegeven. Voor zeer lange video's kunnen beperkingen van het contextvenster van toepassing zijn.
Qwen3 VL 235B A22B Thinking is een groot MoE-model met gespecialiseerd redeneervermogen. Gebruik het wanneer je hoge nauwkeurigheid nodig hebt bij complexe multimodale taken, vooral taken die logische deductie, gedetailleerde documentparsing of videobegrip vereisen. Voor eenvoudige bijschriften bij afbeeldingen, basis-OCR of eenvoudige retrieval zijn kleinere modellen (bijv. Qwen2.5 VL 7B) sneller en goedkoper. De denkmodus voegt uitvoertokens toe; als je geen chain-of-thought nodig hebt, schakel deze dan uit om kosten en latentie te verlagen.
Als MoE-model kan het een iets hogere latentie vertonen dan dichte modellen van vergelijkbare geactiveerde grootte vanwege de routing-overhead. De denkmodus kan lange redeneerketens produceren, wat het aantal uitvoertokens en de kosten verhoogt. Het is voornamelijk geoptimaliseerd voor Engelstalige tekst, en de prestaties voor niet-Engelse of laag-resource talen kunnen zwakker zijn. Videoverwerking wordt beperkt door het maximale aantal frames dat binnen de contextvenster past. Het model kan ook hallucineren bij ambigue of tegenwerkende invoer, zoals gebruikelijk is bij grote taalmodellen.
Specifieke benchmark scores voor dit model zijn niet beschikbaar in de beschikbare gegevens. Als lid van de Qwen3 VL-familie erft het de architecturale sterktes van de serie, die over het algemeen concurrerende resultaten behaalt op visie-taal taken zoals VQAv2, MMLU (multimodale versie) en DocVQA. De prestaties kunnen echter variëren per taak. We raden aan het model te testen op je eigen gegevens om de geschiktheid te evalueren. De denkmodus verbetert doorgaans de scores op zwaar redenerende benchmarks.
Latentie hangt af van de invoergrootte, het aantal actieve experts (22B) en of de denkmodus is ingeschakeld. De MoE-architectuur maakt efficiënte schaling mogelijk in vergelijking met een dicht 235B-model. De latentie van de eerste token is typisch voor een model van deze geactiveerde grootte (ongeveer 22B parameters). Voor een korte afbeelding+tekst prompt zonder denken kan de tijd tot eerste token een paar seconden zijn. Met denkmodus ingeschakeld en lange uitvoerreeksen kan de totale inferentietijd aanzienlijk toenemen. OrcaRouter biedt real-time monitoring via het API-dashboard.
Het MoE-ontwerp met 22B actieve parameters biedt een gunstige afweging tussen modelcapaciteit en rekenkosten. Het kan de nauwkeurigheid van een dicht 70B-model evenaren of overtreffen bij veel taken, terwijl het minder FLOPs per token gebruikt. De expert-routing maakt specialisatie mogelijk: verschillende experts behandelen verschillende soorten visuele of redeneertaken. Dit maakt het model robuuster tegen domeinverschuivingen dan een kleiner dicht model. De latentie is over het algemeen lager dan bij een dicht 235B-model, hoewel hoger dan bij een dicht 22B-model.
Ondanks de voordelen is het model geen wondermiddel. Het kan moeite hebben met taken die precieze ruimtelijke lokalisatie vereisen (bijv. exacte objectbegrenzingskaders), tenzij het wordt verfijnd. De denkmodus kan soms irrelevante of cirkelredeneringen produceren, wat de kosten verhoogt zonder voordeel. Inferentie op zeer hoge-resolutieafbeeldingen kan inefficiënt zijn omdat alle patches moeten worden verwerkt. Als uw workload wordt gedomineerd door eenvoudige, lage-variantie-invoer, zal een kleiner model kosteneffectiever en sneller zijn.
Prijzen zijn $0.40 per 1 miljoen input tokens en $4.00 per 1 miljoen output tokens. Deze tarieven worden gefactureerd tegen het provider-tarief zonder enige opslag door OrcaRouter. Input tokens omvatten alle tekstprompts, image tokens en video frame tokens. Output tokens omvatten zowel de denkketen (indien ingeschakeld) als het uiteindelijke antwoord. Voor een typische multimodale query van 1.000 input tokens en 500 output tokens, zouden de kosten $0.00040 + $0.00200 = $0.00240 bedragen. Totale kosten schalen lineair met het tokenverbruik.
OrcaRouter berekent geen opslag op providerprijzen, maar kan caching-opties aanbieden als onderdeel van zijn infrastructuur. Specifiek kan input-token-caching de kosten verlagen als u delen van prompts hergebruikt (bijv. systeemberichten of veelgebruikte afbeeldingsfragmenten). Raadpleeg de OrcaRouter-documentatie voor het laatste cachingbeleid. Er is geen toezegging of korting op bulk; u betaalt alleen voor verbruikte tokens. Het kostenvoordeel van MoE wordt per token gerealiseerd omdat er per stap slechts 22B parameters worden gebruikt.
Invoertokens zijn afhankelijk van het aantal afbeeldingen of videoframes en hun resolutie. Elke afbeelding wordt doorgaans opgedeeld in patches van vaste grootte, die elk worden omgezet in tokens. Afbeeldingen met een hoge resolutie of langere video's verhogen het aantal invoertokens aanzienlijk. Uitvoertokens omvatten de denkketen; een typische chain-of-thought voor een vraag van gemiddelde moeilijkheid kan 200-500 tokens toevoegen. De maximale uitvoerlengte is 40.960 tokens, wat indien nodig zeer lange redeneerreeksen mogelijk maakt. Plan je budget hierop.
Gebruik het OpenAI-compatibele API-eindpunt met basis-URL https://api.orcarouter.ai/v1. Stel de modelparameter in op "qwen/qwen3-vl-235b-a22b-thinking". Authenticatie vindt plaats via een API-sleutel in de Authorization-header. De opmaak van het verzoek volgt de OpenAI-chatcompletionsconventie met berichten. Voor multimodale invoer voegt u een contentarray toe met type "text" en type "image_url" (of "video_url" voor video's). Voorbeeld: 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"}}]}]}'
Behalve de standaard OpenAI-compatibele parameters (temperature, top_p, max_tokens, stop, etc.) ondersteunt dit model een "thinking"-parameter om de keten-van-gedachtenmodus in of uit te schakelen. Stel "thinking": true (standaard) in om redeneren op te nemen, of false om alleen het uiteindelijke antwoord uit te voeren. Andere modelspecifieke parameters zijn onder andere "max_thinking_tokens" om de lengte van de redeneringsketen te beperken. Raadpleeg de OrcaRouter API-documentatie voor een volledige lijst. Het antwoordformaat is identiek aan dat van OpenAI, waarbij de redeneringsketen als onderdeel van de inhoud wordt opgenomen indien ingeschakeld.
Als u momenteel OpenAI's GPT-4V of GPT-4o gebruikt, is de migratie eenvoudig. Wijzig de basis-URL naar https://api.orcarouter.ai/v1, gebruik uw OrcaRouter-API-sleutel en stel het model in op "qwen/qwen3-vl-235b-a22b-thinking". De chat completion API is identiek qua schema. Merk op dat de denkmodus mogelijk langere uitvoer produceert; u kunt deze uitschakelen met "thinking": false. Afbeeldingen en video-ingangen gebruiken dezelfde inhoudstypestructuur. Test eerst met een klein aantal verzoeken om compatibiliteit en kosten te verifiëren.
Video-invoer wordt verstrekt als een URL naar een videobestand (bijv. MP4). Gebruik in de messages content array het type "video_url" met een url-veld. OrcaRouter's backend zal frames uit de video samplen tot een maximum aantal dat past binnen het contextvenster. Je kunt optioneel een frame_sample_rate parameter opgeven. Het model verwerkt vervolgens de gesamplede frames als een reeks. De denkmodus kan redeneren over frames heen om temporele gebeurtenissen te begrijpen. Overweeg voor zeer lange video's om voor te filteren of in segmenten te splitsen.
Qwen3 VL 235B A22B Thinking gebruikt een MoE-architectuur met 22B actieve parameters, terwijl GPT-4o een dicht model is met een niet bekendgemaakte omvang. Beide ondersteunen invoer van afbeeldingen, tekst en video. De denkmodus biedt expliciete redenering, wat GPT-4o standaard niet doet (hoewel je chain-of-thought kunt aanzetten). Qwen3 VL is over het algemeen kosteneffectiever per token ($0.40/$4.00 vs. GPT-4o’s $5/$15 per 1M invoer-/uitvoertokens). Latentie kan hoger zijn vanwege MoE-routing. Prestaties zijn afhankelijk van de specifieke taak; we raden een vergelijking naast elkaar aan.
Gemini 2.0 Flash is een kleiner, sneller model geoptimaliseerd voor lage latentie. Qwen3 VL 235B A22B Thinking biedt een grotere effectieve capaciteit via MoE en een ingebouwde denkmodus. Gemini Flash heeft een contextvenster van ~1M tokens, terwijl Qwen3 VL 131K heeft. Voor taken die diep redeneren over complexe visuele elementen vereisen, kan Qwen3 VL nauwkeurigere resultaten opleveren. Voor eenvoudige of tijdgevoelige taken zal Gemini Flash echter sneller en goedkoper zijn. Beide zijn toegankelijk via de API van OrcaRouter.
Llama 3.2 90B is een dicht visie-taalmodel met 90B parameters. Qwen3 VL 235B A22B heeft meer totale parameters maar activeert slechts 22B, wat mogelijk minder FLOPs per token gebruikt. Llama 3.2 ondersteunt alleen afbeeldingsinvoer (geen video). De denkmode in Qwen3 VL biedt expliciete redenering, terwijl Llama geen ingebouwd mechanisme heeft. De prijsstelling voor Llama 3.2 via OrcaRouter is doorgaans lager per token, maar voor taken waar redeneerdiepte van belang is, kan Qwen3 VL betere resultaten leveren. Het contextvenster is groter in Qwen3 VL (131K vs. 128K).
Dit model (235B totaal, 22B actief) is het grootste in de Qwen3 VL MoE-familie. Kleinere varianten (bijv. 72B totaal / 15B actief) zijn goedkoper en sneller. Kies dit model wanneer u de hoogst mogelijke nauwkeurigheid nodig hebt bij uitdagende multimodale redeneertaken, videobegrip of wanneer de denkmodus meerwaarde biedt. Voor taken die goed door kleinere modellen worden afgehandeld, zoals eenvoudige bijschriften of classificatie, zijn de kostenbesparingen van een kleinere MoE (of dicht model) aanzienlijk.
OpenAI-compatibel — behoud je huidige SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| Invoer / 1M tokens | $0.400 |
| Uitvoer / 1M tokens | $4.00 |
| Valuta | USD |
Schatting op basis van catalogusprijs
Alleen een schatting — het werkelijke aantal tokens hangt af van de tokenizer van de aanbieder.
GET /api/public/models/qwen/qwen3-vl-235b-a22b-thinkingOpenen @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