| Especificación | Detalles |
|---|---|
| Nombre del modelo | Qwen3-VL-30B-A3B |
| Desarrollador / Equipo | Alibaba Qwen AI Team |
| Arquitectura | Transformer con Mezcla de Expertos (MoE) |
| Parámetros totales | 30.5 B |
| Parámetros activados | ~3.3 B |
| Cabezas de atención | Agrupadas (32 Q / 4 KV) |
| Capas | ~48 |
| Longitud de contexto nativa | 256,000 tokens (texto + visión) |
| Contexto ampliado | Hasta ~1,000,000 tokens (mediante técnicas de extensión) |
| Modalidades | Texto, Imagen, Video, OCR |
| Tipos de entrada | Texto, Imágenes, flujos de video |
| Tipos de salida | Texto |
| Licencia | Apache 2.0 (código abierto) |
¿Qué es Qwen3-VL-30B-A3B?
Qwen3-VL-30B-A3B es una de las variantes de Mixture-of-Experts en la serie Qwen3-VL, construida específicamente como un modelo base de visión y lenguaje. Esto significa que puede procesar largas secuencias de texto además de contenido visual (imágenes, fotogramas de video, escaneos de documentos) y generar respuestas sofisticadas fundamentadas en ambas modalidades.
A diferencia de modelos de visión anteriores, esta versión está diseñada para la comprensión de contexto extendido del mundo real, habilitando capacidades como:
- Escaneo e indexación de video de dos horas, vinculando entradas visuales con descripciones de texto.
- OCR en múltiples idiomas y entradas desafiantes (baja iluminación, texto inclinado).
- Razonamiento multimodal complejo y análisis de gráficos/documentos con benchmarks líderes en su clase.
Características principales
1) Integración multimodal
El modelo fusiona texto, imágenes y video en un único contexto, permitiendo comprensiones complejas como interpretación de gráficos, reconocimiento de objetos y razonamiento espacial.
2) Compatibilidad con contexto extendido
Admite 256K tokens de forma nativa y puede ampliarse hasta ~1M de tokens, una de las ventanas de contexto más grandes entre los modelos abiertos.
3) Mezcla de Expertos (MoE) eficiente
Activa solo ~3 B de los 30 B de parámetros totales durante la inferencia, logrando un equilibrio entre rendimiento y eficiencia.
4) Sólido rendimiento en benchmarks
Ofrece resultados líderes en pruebas multimodales (OCR, vision-QA, comprensión de video, de diseño a código).
5) Compatibilidad multilingüe y con OCR
Compatibilidad integrada con más de 32 idiomas de OCR y sólido desempeño en texto multilingüe, lo que habilita una amplia usabilidad global.
Limitaciones
A pesar de sus sólidas capacidades, el modelo presenta desafíos conocidos:
- Complejidad de inferencia: Los modelos MoE pueden ser más lentos o más exigentes en recursos que modelos densos más pequeños en algunos escenarios, dependiendo del hardware y el motor de ejecución.
- Informes de inconsistencia: Algunos usuarios reportan calidad de salida variable en modos de razonamiento y alucinaciones ocasionales en comparación con modelos densos.
- Requisitos de implementación: El gran contexto y la funcionalidad multimodal requieren alta memoria y un stack optimizado (p. ej., vLLM, soporte de GPU).
Comparación con otros modelos
| Modelo | Fortalezas | Compromisos |
|---|---|---|
| Qwen3-VL-30B-A3B | Razonamiento multimodal eficiente con MoE, contextos largos, de código abierto | Complejidad, informes de desempeño mixto |
| Qwen3-VL-235B-A22B | Máximo rendimiento unimodal/multimodal | Mayor cómputo / coste |
| Modelos densos (p. ej., Qwen3-32B) | Inferencia más simple, comportamiento consistente | Escalado homogéneo, menor eficiencia |
| Modelos cerrados (GPT-5 / Gemini) | Benchmarks consolidados, integración con el ecosistema | Acceso cerrado a pesos, costes y preocupaciones de privacidad |
El enfoque abierto de Alibaba para los modelos Qwen busca rivalizar con los modelos propietarios con rendimiento transparente y adopción por parte de la comunidad.
Cómo acceder a la API de Qwen3 VL-30B-A3B
Paso 1: Regístrate para obtener la clave de API
Inicia sesión en cometapi.com. Si aún no eres usuario, regístrate primero. Accede a tu Consola de CometAPI. Obtén la credencial de acceso (clave de API) de la interfaz. Haz clic en “Add Token” en el token de API en el centro personal, obtén la clave del token: sk-xxxxx y envía.
Paso 2: Envía solicitudes a la API de Qwen3 VL-30B-A3B
Selecciona el endpoint “Qwen3-VL-30B-A3B” para enviar la solicitud a la API y configura el cuerpo de la solicitud. El método y el cuerpo de la solicitud se obtienen de la documentación de API de nuestro sitio web. Nuestro sitio web también proporciona pruebas en Apifox para tu comodidad. Reemplaza <YOUR_API_KEY> con tu clave real de CometAPI de tu cuenta. La URL base es Chat
Inserta tu pregunta o solicitud en el campo content — a esto responderá el modelo. Procesa la respuesta de la API para obtener la respuesta generada.
Paso 3: Recupera y verifica los resultados
Procesa la respuesta de la API para obtener la respuesta generada. Tras el procesamiento, la API responde con el estado de la tarea y los datos de salida.