Qwen3 VL 235B A22B Thinking

Qwen3-VL-235B-A22B Thinking 是一个多模态模型，统一了强大的文本生成与跨图像和视频的视觉理解。该 Thinking 模型针对 STEM 和数学领域的多模态推理进行了优化。该系列强调稳健的感知（识别多样化的真实世界和合成类别）、空间理解（2D/3D 定位）和长形式视觉理解，在公共多模态基准测试中，感知和推理均取得了有竞争力的结果。

除了分析之外，Qwen3-VL 支持智能体交互和工具使用：它可以在多图像、多轮对话中遵循复杂指令；将文本与视频时间线对齐以进行精确的时间查询；并操作 GUI 元素以完成自动化任务。这些模型还支持可视化编码工作流，将草图或原型转换为代码，并协助 UI 调试，同时保持与旗舰 Qwen3 语言模型相当的强大纯文本性能。这使得 Qwen3-VL 适用于生产场景，涵盖文档 AI、多语言 OCR、软件/UI 辅助、空间/具身任务以及视觉语言智能体研究。