Qwen: Qwen3 VL 30B A3B Thinking qwen/qwen3-vl-30b-a3b-thinking

Модель Qwen: Qwen3 VL 30B A3B Thinking от Qwen (Alibaba) (семейство qwen) доступна через единый OpenAI-совместимый API НейроГейт — без VPN, с оплатой в рублях, единым ключом для всех 353+ моделей платформы.
Открытые модели Alibaba. Лучшие в open-source для китайского и кода.

👁 Зрение 🧠 Рассуждение 🎨 Генерация изображений 🎙 Аудио-вход 🔊 Синтез речи 🆓 Бесплатно

131K

контекст, токенов

13 ₽

за 1 млн входных токенов

156 ₽

за 1 млн выходных токенов

возможностей

2025-03

база знаний до

Что такое Qwen: Qwen3 VL 30B A3B Thinking

Мультимодальные задачи с акцентом на STEM-рассуждение, где нужно совместно анализировать текст и визуальный контент с объяснением хода решения.

Qwen3 VL 30B A3B Thinking — мультимодальная модель от Alibaba (Qwen), объединяющая текстовую генерацию с пониманием изображений и видео. Вариант Thinking активирует режим внутреннего рассуждения (chain-of-thought), что заметно усиливает точность на задачах, требующих многошаговой логики: математика, естественные науки, анализ визуальных данных.

Архитектура модели построена на принципе Mixture-of-Experts: при общем объёме 30 миллиардов параметров активируется лишь около 3 миллиардов (A3B), что обеспечивает более высокую вычислительную эффективность по сравнению с плотными моделями сопоставимого класса. Контекстное окно в 131 072 токена позволяет обрабатывать длинные документы вместе с изображениями в рамках одного запроса.

Модель хорошо справляется с задачами, где визуальный и текстовый контекст неразрывно связаны: разбор графиков и таблиц, анализ технических схем, решение задач по условию с иллюстрациями. Режим рассуждения делает её особенно полезной там, где важна прослеживаемость логики, а не только финальный ответ.

Когда брать эту модель

✓ Решение задач по математике и STEM с визуальными условиями (графики, формулы, схемы)
✓ Анализ технической документации с диаграммами и таблицами
✓ Автоматизированная проверка и разбор научных или инженерных изображений
✓ Мультимодальные RAG-пайплайны с длинным контекстом
✓ Задачи, где требуется прозрачная цепочка рассуждений, а не только итоговый ответ

Пример работы

Реальный сценарий, на котором модель проявляет себя:

На изображении — график зависимости точности модели от размера обучающей выборки. Определи точку перегиба, объясни тренд и предложи, при каком объёме данных дальнейшее масштабирование становится нецелесообразным.

Использование Qwen: Qwen3 VL 30B A3B Thinking через НейроГейт

OpenAI-совместимый эндпоинт https://api.neuralgate.ru/v1 — замени base_url в любом SDK и используй модель по её id.

# Chat completion
curl https://api.neuralgate.ru/v1/chat/completions \
  -H "Authorization: Bearer $NEURALGATE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen/qwen3-vl-30b-a3b-thinking",
    "messages": [{"role":"user","content":"Привет!"}]
  }'

from openai import OpenAI

client = OpenAI(
    api_key="sk-...your-neuralgate-key...",
    base_url="https://api.neuralgate.ru/v1",
)
response = client.chat.completions.create(
    model="qwen/qwen3-vl-30b-a3b-thinking",
    messages=[{"role": "user", "content": "Привет!"}],
)
print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.NEURALGATE_API_KEY,
  baseURL: "https://api.neuralgate.ru/v1",
});
const resp = await client.chat.completions.create({
  model: "qwen/qwen3-vl-30b-a3b-thinking",
  messages: [{ role: "user", content: "Привет!" }],
});
console.log(resp.choices[0].message.content);