Qwen3-30B-A3B-Thinking-2507
Acerca de Qwen3-30B-A3B-Thinking-2507
Qwen3-30B-A3B-Thinking-2507 es el último modelo de razonamiento de la serie Qwen3, lanzado por el equipo Qwen de Alibaba. Al ser un modelo de mezcla de expertos (MoE) con 30,5 mil millones de parámetros totales y 3,3 mil millones de parámetros activos, está enfocado en mejorar las capacidades para tareas complejas. El modelo demuestra un rendimiento significativamente mejorado en tareas de razonamiento, incluyendo el razonamiento lógico, las matemáticas, la ciencia, la programación y las pruebas académicas que normalmente requieren experiencia humana. También muestra capacidades generales notablemente mejores, como el seguimiento de instrucciones, el uso de herramientas, la generación de Text y la alineación con las preferencias humanas. El modelo es compatible de forma nativa con una capacidad de comprensión de contexto largo de 256K, que puede ampliarse a 1 millón de tokens. Esta versión está diseñada específicamente para el «modo de pensamiento» con el fin de abordar problemas altamente complejos a través del razonamiento paso a paso y también destaca en sus capacidades agénticas.
Descubra cómo las incomparables capacidades de razonamiento y contexto ultra largo de Qwen3-30B-A3B-Thinking-2507 resuelven los problemas del mundo real más desafiantes a través de procesos de pensamiento paso a paso.
Descubrimiento científico avanzado
Acelere la investigación aprovechando el razonamiento profundo de Qwen3 para analizar datos científicos complejos, derivar hipótesis novedosas y validar modelos matemáticos intrincados con precisión paso a paso.
Ejemplo de caso de uso:
"Un equipo de ciencia de materiales utilizó Qwen3 para analizar terabytes de datos de simulación, identificando una transición de fase previamente desconocida en una aleación mediante el razonamiento a través de principios de mecánica cuántica, lo que llevó a un nuevo diseño de material."
Optimización de bases de código empresariales
Analice vastas bases de código (de hasta 1M de tokens) para identificar fallos arquitectónicos, proponer estrategias de refactorización y optimizar el rendimiento razonando a través de interacciones de sistemas complejos y flujos de ejecución.
Ejemplo de caso de uso:
"Se analizó una arquitectura heredada de microservicios Java, señalando un problema de dependencia circular en más de 50 servicios y sugiriendo un plan de refactorización modular que mejoró la estabilidad del sistema y redujo la latencia en un 15%."
Revisión legal y de cumplimiento compleja
Automatice la revisión de extensos documentos legales, contratos y marcos regulatorios. Identifique inconsistencias, posibles responsabilidades y garantice el cumplimiento razonando a través de cláusulas complejas y realizando referencias cruzadas en amplias bases de datos legales.
Ejemplo de caso de uso:
"Se procesó un acuerdo de fusión de 500 páginas y todas las presentaciones regulatorias asociadas, detectando 7 cláusulas críticas que entraban en conflicto con las leyes internacionales de privacidad de datos, evitando posibles disputas legales."
Orquestación inteligente de agentes de IA
Capacite a agentes de IA sofisticados con planificación y razonamiento avanzados. Orqueste tareas de varios pasos, seleccione las herramientas adecuadas y adapte las estrategias de forma dinámica para lograr objetivos complejos en entornos cambiantes.
Ejemplo de caso de uso:
"Se desarrolló un agente financiero autónomo que utilizó Qwen3 para planificar una estrategia de inversión de múltiples etapas, llamando dinámicamente a API de datos de mercado, agregadores de noticias y plataformas de negociación para ejecutar operaciones basadas en análisis en tiempo real."
Metadatos
Especificación
Estado
Deprecated
Arquitectura
Mixture of Experts
Calibrado
No
Mezcla de expertos
Sí
Parámetros totales
30B
Parámetros activados
3.3B
Razonamiento
No
Precisión
FP8
Longitud del contexto
262K
Tokens máximos
131K
Comparar con otros modelos
Descubre cómo se compara este modelo con otros.
Qwen
chat
Qwen3-VL-32B-Instruct
Contexto total:
262K
Output máx.:
262K
Input:
$
0.2
/ M Tokens
Output:
$
0.6
/ M Tokens
Qwen
chat
Qwen3-VL-32B-Thinking
Contexto total:
262K
Output máx.:
262K
Input:
$
0.2
/ M Tokens
Output:
$
1.5
/ M Tokens
Qwen
chat
Qwen3-VL-8B-Instruct
Contexto total:
262K
Output máx.:
262K
Input:
$
0.18
/ M Tokens
Output:
$
0.68
/ M Tokens
Qwen
chat
Qwen3-VL-8B-Thinking
Contexto total:
262K
Output máx.:
262K
Input:
$
0.18
/ M Tokens
Output:
$
2.0
/ M Tokens
Qwen
chat
Qwen3-VL-235B-A22B-Instruct
Contexto total:
262K
Output máx.:
262K
Input:
$
0.3
/ M Tokens
Output:
$
1.5
/ M Tokens
Qwen
chat
Qwen3-VL-235B-A22B-Thinking
Contexto total:
262K
Output máx.:
262K
Input:
$
0.45
/ M Tokens
Output:
$
3.5
/ M Tokens
Qwen
chat
Qwen3-VL-30B-A3B-Instruct
Contexto total:
262K
Output máx.:
262K
Input:
$
0.29
/ M Tokens
Output:
$
1.0
/ M Tokens
Qwen
chat
Qwen3-VL-30B-A3B-Thinking
Contexto total:
262K
Output máx.:
262K
Input:
$
0.29
/ M Tokens
Output:
$
1.0
/ M Tokens
Qwen
image-to-video
Wan2.2-I2V-A14B
$
0.29
/ Video
