Qwen 3 235B Instruct

Texti og spjallEkki tiltækt
eftir Alibaba (Qwen)Auðkenni módels: qwen-3-235b

Alibaba's Qwen 3 flagship MoE: 235B total / 22B active. Strong reasoning and tool use, open-weights.

Staða
Ekki tiltækt
Samhengi
131.072 tákn
Hámarksúttak
16.384 tákn
Inntak → úttak
Texti → Texti
Þróunaraðili
Alibaba (Qwen)
Uppfært
25. júní 2026

Qwen 3 235B Instruct er ekki tiltækt eins og er

Ekki tiltækt sem stendur: þetta módel hefur verið óvirkt.

Þú getur enn lesið upplýsingarnar á þessari síðu. Veldu einn af tiltækum valkostum hér að neðan til að keyra sambærilegt módel strax.

Fara í valkosti
01

Sambærileg módel

Öll í þessum flokki
  • Anthropic's model for the most demanding reasoning and long-horizon agentic work. 1M-token context window, up to 128K output tokens, adaptive thinking that is always on.

    12,00 USD/1M inn

  • The most capable model of Anthropic's Opus 4 series. State of the art on long-horizon agentic work, coding and knowledge tasks, with a 1M-token context window at standard pricing.

    6,00 USD/1M inn

  • Anthropic's current Opus model for long-running agentic coding and knowledge work. 1M-token context window, up to 128K output tokens, adaptive thinking that is always on.

    4,80 USD/1M inn

02

Leiksvæði

Prófaðu Qwen 3 235B Instruct

Spjall

Ekki fáanlegt sem stendur

Ekki tiltækt sem stendur: þetta módel hefur verið óvirkt.

Leiksvæðið er óvirkt. Þú getur fundið sambærileg módel í sama flokki: Skoðaðu valkosti

Prófaðu Qwen 3 235B Instruct

Sendu skilaboð. Svarið kemur í heilu sinni þegar módel er tilbúið (engin streymi).

Kerfisboð
Hámarkssvarlengd (tákn)

Þessi keyrsla

Engin verð – ekki tiltækt eins og er.

Nýr hér?

10 ókeypis inneign (0,10 USD) þegar þú skráir þig með Google

Hægt að nota 24 klst. eftir skráningu, allt að 5 keyrslur á dag og að hámarki 2 inneign á keyrslu. Aðrar innskráningaraðferðir byrja án inneignar.

03

Um Qwen 3 235B Instruct

StuttlegaFrá og með 25. júní 2026

Qwen 3 235B Instruct er módel frá Alibaba (Qwen) í flokknum Texti og spjall. Qwen 3 235B Instruct er ekki tiltækt á Railwail eins og er. Samhengisgluggi geymir 131.072 tákn og ein svör getur verið allt að 16.384 tákn löng.

Bakgrunnur

Um Alibaba Cloud (Qwen team)

Stofnað 2009 · Hangzhou, China

The Qwen team inside Alibaba Cloud has shipped one of the most prolific open-weight model lines in industry, starting with Qwen-7B (Aug 2023, first Chinese open-weight foundation model from a hyperscaler), through Qwen 1.5 (Feb 2024), Qwen2 (Jun 2024), Qwen2.5 (Sep 2024, sizes 0.5B-72B plus Coder/Math/VL), Qwen2.5-Max closed-weight flagship (Jan 2025) and the Qwen3 family in April-May 2025. Qwen3 introduced a uniform 'hybrid thinking' approach across the family, letting developers toggle between fast direct answers and long chain-of-thought reasoning in the same checkpoint. The 235B-A22B MoE flagship anchors the family alongside dense variants from 0.6B to 32B. The team is led by Junyang Lin and has published over a dozen technical reports. Models ship under the Apache 2.0 license starting with Qwen3, a substantial liberalisation over the earlier Tongyi Qianwen LICENSE. Alibaba Cloud, founded in 2009, is the largest cloud provider in China and hosts the Qwen models on its Model Studio service while also distributing weights freely on HuggingFace, ModelScope and GitHub.

Heimsækja Alibaba Cloud (Qwen team)

Arkitektúr

Sparse Mixture-of-Experts Transformer (hybrid thinking)

Qwen3-235B-A22B is the flagship Mixture-of-Experts model of the Qwen3 family, released by Alibaba's Qwen team on 29 April 2025 with weights under Apache 2.0. The architecture is a Sparse MoE Transformer with 235 billion total parameters and 22 billion active per token (128 experts, 8 selected per token), 94 layers, and Grouped Query Attention (64 query heads / 4 KV heads). It supports a 128K native context window extended to 256K via YaRN scaling. The model was pretrained on approximately 36 trillion tokens spanning 119 languages with strong Chinese, English and code coverage, more than doubling the 18T-token corpus used for Qwen2.5. Pretraining was performed in three stages with progressively longer context lengths and improved data filtering. Post-training applied a four-stage pipeline: long-CoT cold start, RL on reasoning tasks, integration of thinking and non-thinking modes via mixed SFT, and a final general-purpose RL stage. The resulting model exposes hybrid thinking, toggled via the chat template, where the same checkpoint can produce either an R1-style chain-of-thought before the answer or a fast direct response. Qwen3-235B leads several open-weight benchmarks including AIME 2025, LiveCodeBench, ArenaHard and BFCL agent-eval as of release.

Breytur
235B total, 22B active per token
Samhengi
262.144 tákn

Geta

  • 235B-parameter MoE with 22B active per token (128 experts, 8 selected)
  • Hybrid thinking mode toggle (CoT or direct answer in one checkpoint)
  • Pretrained on ~36T tokens across 119 languages
  • 256K context window with YaRN scaling
  • Apache 2.0 license, fully commercial
  • Top open-weight scores on AIME 2025, LiveCodeBench, ArenaHard, BFCL
  • Function calling, MCP server support, parallel tool calls
  • Specialised siblings: Qwen3-Coder, Qwen3-Math, Qwen3-VL
  • Compatible with vLLM, SGLang, llama.cpp, Ollama, MLX, HuggingFace
  • Broad multilingual coverage with strong Chinese/English/Japanese/Korean performance
  • Best for: open-weight reasoning, agentic workloads, multilingual chat, on-prem enterprise.

Þjálfun og leyfi

Pretrained on approximately 36 trillion tokens covering 119 languages with strong Chinese and English emphasis, code repositories and scientific content. Post-training uses a four-stage pipeline: long-CoT cold start, reasoning RL, mixed SFT integrating thinking/non-thinking modes, and a final general-purpose RL stage.

Leyfi: Apache 2.0. Open weights, fully commercial use permitted including for >100M MAU products (a notable liberalisation versus the earlier Tongyi Qianwen LICENSE).

Öryggispróf: Standard SFT+DPO safety alignment plus general RL safety stage. Filters Chinese politically sensitive topics. Limited third-party safety evaluations published.

Þekkt takmörk

  • Filters Chinese political topics
  • Large memory footprint requires multi-GPU inference for FP16
  • Vision requires separate Qwen3-VL checkpoint
  • Knowledge cutoff approximately early 2025
  • Long context >128K degrades on some recall tasks
04

Verðlagning

Ekki tiltækt sem stendur: þetta módel hefur verið óvirkt. Engin verð fyrir þetta módel eins og er, svo það er ekki hægt að keyra það.

05

API

Kallaðu Qwen 3 235B Instruct með Railwail API-lyklinum þínum. Notaðu þessa módel-auðkenningu í beiðninni:

Ekki tiltækt sem stendur

Módel hefur engan staðfestan verð eða er óvirkt; API-köll eru hafnað.

06

Forskriftir

Módel-auðkenni
qwen-3-235b
Þróunaraðili
Alibaba (Qwen)
Inntak
Texti
Úttak
Texti
Samhengisglugginn
131.072 tákn
Hámark úttak
16.384 tákn
Stærð módels
235B total, 22B active per token
Leyfi
Apache 2.0. Open weights, fully commercial use permitted including for >100M MAU products (a notable liberalisation versus the earlier Tongyi Qianwen LICENSE).
Vörulistafærsla uppfærð
25. júní 2026

Inntaksbreytur

Inntak og stillingar úr inntakskerfi módelsins. Dæmið í API-hlutanum sýnir hverjar þeirra API samþykkir.

  • promptnauðsynlegt

    User message

    Tegund: Texti
    Sjálfgefið: –
    Leyfðir gildir: allt að 16.000 stafir
  • top_p
    Tegund: Tala
    Sjálfgefið: 1
    Leyfðir gildir: 0 til 1
  • stream
    Tegund: Já/Nei
    Sjálfgefið: false
    Leyfðir gildir: –
  • max_tokens
    Tegund: Heiltala
    Sjálfgefið: 2048
    Leyfðir gildir: 1 til 16.384
  • temperature
    Tegund: Tala
    Sjálfgefið: 0.7
    Leyfðir gildir: 0 til 2
  • system_prompt

    Optional system instruction

    Tegund: Texti
    Sjálfgefið: –
    Leyfðir gildir: allt að 8.000 stafir

Merki

  • qwen
  • alibaba
  • moe
  • open-weights
  • flagship
07

Notkunartilvik

Það sem það er notað fyrir

  • Open-weight reasoning workloads
  • Agentic tool-using applications
  • Multilingual chat across 100+ languages
  • On-prem enterprise deployments
  • Fine-tuning base for vertical models
  • Apache-2.0-required commercial products
08

Algengar spurningar

Hvað er Qwen 3 235B Instruct?

Qwen 3 235B Instruct er módel frá Alibaba (Qwen) í flokknum Texti og spjall. Það er skráð á Railwail en er ekki hægt að keyra það sem stendur.

Hvað kostar Qwen 3 235B Instruct á Railwail?

Qwen 3 235B Instruct er ekki hægt að keyra á Railwail sem stendur, svo engar núverandi verðir eru til. Fáanlegir valkostir með verðum eru skráðir lengra niður á þessari síðu.

Hversu stór er samhengisgluggi Qwen 3 235B Instruct?

Samhengisgluggi Qwen 3 235B Instruct geymir 131.072 tákn. Ein svör getur verið allt að 16.384 tákn löng.

Hversu hratt er Qwen 3 235B Instruct?

Það eru ekki nóg mældar keyrslur af Qwen 3 235B Instruct á Railwail ennþá til að tilgreina keyrslutíma. Það fer eftir inntakinu, stillingum og álagi hjá veitandanum.

Er Qwen 3 235B Instruct betra en Claude Fable 5.1?

Það fer eftir verkefninu. Qwen 3 235B Instruct (Alibaba (Qwen)) og Claude Fable 5.1 (Anthropic) eru bæði módel í flokknum Texti og spjall. Samanburðarsíðan sýnir verð og forskriftir þeirra hlið við hlið.

Bera saman Qwen 3 235B Instruct og Claude Fable 5.1

Get ég notað Qwen 3 235B Instruct núna?

Ekki tiltækt sem stendur: þetta módel hefur verið óvirkt. Síðan helst á netinu; fáanlegir valkostir úr sama flokki eru skráðir lengra niður.

Öll módel í gegnum eina API

Einn API-lykil fyrir öll módel á Railwail. Notkun er rukkuð frá fyrirframgreiddum inneign, 1 inneign = 0,01 USD.