Qwen3-235B-A22B-Instruct-2507: Model Open-Source Terkemuka Sekarang Hidup di SiliconFlow

Qwen baru saja merilis Qwen3-235B-A22B-Instruct-2507, versi terbaru dari model andalannya Qwen3-235B-A22B Non-thinking. Ini mewakili lompatan besar ke depan dalam domain sumber terbuka, menghadirkan kemampuan umum yang ditingkatkan dan kinerja penalaran yang superior, dan sekarang tersedia di SiliconFlow.

Model mutakhir ini memberikan peningkatan signifikan dalam mengikuti instruksi, penalaran logis, matematika, pemrograman, dan penggunaan alat. Menurut tolok ukur yang komprehensif, model ini mengungguli model sumber terbuka terkemuka seperti Kimi-K2 dan DeepSeek-V3-0324, serta model eksklusif seperti Claude-Opus4-Non-thinking. Apakah Anda membangun aplikasi perusahaan, melakukan penelitian lanjutan, membuat konten multibahasa, atau mengembangkan asisten cerdas, model ini menangani tugas-tugas ini dengan kinerja yang luar biasa.

Dengan Qwen3-235B-A22B-Instruct-2507 API milik SiliconFlow, Anda dapat mengharapkan:

• Inference Kecepatan Tinggi: Dioptimalkan untuk latensi yang lebih rendah dan throughput yang lebih tinggi.

• Harga Hemat Biaya: $0.35/M token (Input) dan $1.42/M token (Output).

• Jendela Konteks Diperpanjang: Jendela konteks 256K untuk tugas yang kompleks.

Kemampuan Ditingkatkan & Kinerja Superior

Qwen3-235B-A22B-Instruct-2507 yang diperbarui kini tersedia di SiliconFlow menampilkan peningkatan kunci berikut:

• Kemampuan Umum Ditingkatkan: Peningkatan mengikuti instruksi, penalaran logis, pemahaman Text, matematika, sains, pemrograman dan penggunaan alat.

• Penyelarasan Pengguna Lebih Baik: Penyelarasan yang lebih tepat dengan preferensi pengguna dalam tugas subjektif dan terbuka, memungkinkan respons yang lebih membantu dan berkualitas lebih tinggi.

• Pengetahuan Multibahasa yang Diperluas: Perolehan signifikan dalam cakupan pengetahuan long-tail dalam berbagai bahasa, termasuk informasi khusus, spesifik domain, dan kurang umum.

• Pemahaman Konteks Diperluas: Pemahaman konteks panjang 256K.

Kemampuan ini jelas ditunjukkan dalam evaluasi tolok ukur yang komprehensif, di mana Qwen3 secara konsisten mengungguli pesaing terkemuka:

• Penalaran Ilmiah Lanjut: 77.5 pada GPQA, mengungguli Kimi K2 (75.1) dan Claude Opus 4 Non-thinking (74.9), menunjukkan kinerja luar biasa dalam penalaran ilmiah tingkat pascasarjana dan kemampuan pemecahan masalah yang kompleks.

• Penyelesaian Masalah Matematika: 70.3 pada AIME25, jauh di depan Kimi K2 (49.5) dan DeepSeek-V3-0324 (46.6), membuktikan kemampuan matematika kompetitif canggih.

• Kinerja Pemrograman Dunia Nyata: 51.8 pada LiveCodeBench v6, melampaui Kimi K2 (48.9) dan DeepSeek-V3-0324 (45.2), memvalidasi kemampuan pemrograman yang kuat dalam skenario praktis.

• Kinerja Percakapan yang Luar Biasa: 79.2 pada Arena-Hard v2, mengungguli DeepSeek-V3 (66.1) dan Qwen3-235B-A22B Non-thinking (52.0), mengonfirmasi kemampuan superior dalam tugas-tugas kompleks, terbuka, dan penyelarasan yang kuat dengan preferensi manusia.

• Penggunaan Alat dan Pemanggilan Fungsi: 70.9 pada BFCL-v3, memimpin Qwen3-235B-A22B Non-thinking (68.0) dan Kimi K2 (65.2), menunjukkan kemampuan canggih dalam integrasi alat eksternal dan penggunaan API.

Hasil yang mengesankan ini menonjolkan tonggak signifikan dalam pengembangan AI sumber terbuka. Qwen3-235B-A22B-Instruct-2507 tidak hanya menyamai tetapi juga melampaui model eksklusif seperti Claude Opus 4 Non-thinking di berbagai tolok ukur, menunjukkan bahwa model sumber terbuka mencapai ketinggian kemampuan baru.

Mulai Segera

1. Jelajahi: Coba Qwen3-235B-A22B-Instruct-2507 di Playground SiliconFlow.

2. Integrasikan: Gunakan API kami yang kompatibel dengan OpenAI. Jelajahi spesifikasi API lengkap dalam dokumentasi API SiliconFlow.

import requests

url = "https://api.siliconflow.com/v1/chat/completions"

payload = {
    "model": "Qwen/Qwen3-235B-A22B-Instruct-2507",
    "max_tokens": 512,
    "min_p": 0.05,
    "temperature": 0.7,
    "top_p": 0.7,
    "top_k": 50,
    "frequency_penalty": 0.5,
    "messages": [
        {
            "content": "What opportunities and challenges will the Chinese large model industry face in 2025?",
            "role": "user"
        }
    ]
}
headers = {
    "Authorization": "Bearer ",
    "Content-Type": "application/json"
}

response = requests.request("POST", url, json=payload, headers=headers)

print(response.text)

Coba sekarang di SiliconFlow dan jelajahi kemampuan kuat ini secara langsung!