深入思考，更快行动：Qwen3-235B-A22B-Thinking-2507 现已在 SiliconFlow 上可用

随着Qwen3-235B-A22B-Instruct-2507（非思维模式）已经在SiliconFlow上展示了卓越的性能，今天我们很高兴为我们的模型目录带来下一个突破：Qwen3-235B-A22B-Thinking-2507。这个新开源模型在推理性能和通用智能方面取得了卓越进展，匹配领先的专有模型，如Gemini-2.5 Pro和O4-mini，同时为开源AI建立新的性能基准。

从高级研究分析到复杂代码生成，开发人员现在可以访问前所未有的推理性能，以解决复杂的难题。

借助SiliconFlow的Qwen3-235B-A22B-Thinking-2507 API，您可以期待：

• 具有成本效益的定价： $0.35/M tokens（Input）和$1.42/M tokens（Output）。

• 扩展的上下文窗口：256K上下文窗口以处理复杂任务。

关键能力与基准性能

与之前的开源模型如DeepSeek-R1-0528相比，Qwen3-235B-A22B-Thinking-2507在实用能力方面表现出显著改进：

• SOTA推理性能：显著增强的逻辑推理、数学、科学、编码和学术基准通常需要人类专业知识——在开源思维模型中实现最先进的结果。

• 增强的通用能力：更好的指令遵循、工具使用、Text生成以及与人类偏好的对齐。

• 扩展的长上下文理解：增强的256K长上下文理解能力。

这些能力反映在模型在多个行业标准基准中的强大和均衡表现。

在LiveCodeBench v6和Arena-Hard v2上，它在所有比较模型中排名第一，展示了卓越的编码能力和与人类偏好的对齐。在AIME25上，它获得92.3——超越了Gemini-2.5 Pro（88.0）并与O4-mini（92.7）相匹配——展示了先进的数学推理。

这些结果表明，Qwen3-235B-A22B-Thinking-2507是迄今为止最强大的开源模型之一，即使面对领先的专有系统，表现仍然具有竞争力。

实际应用场景

现在在SiliconFlow上可用，Qwen3-235B-A22B-Thinking-2507具有增强的思维能力和长上下文理解。

• 医疗智能

医学文献分析、临床决策支持和基于患者记录和研究数据库的精准医疗见解。分析基因变异、药物相互作用和治疗方案。非常适合诊断辅助、研究证据综合和个性化治疗规划。

• 教育增强

在复杂的STEM学科中进行互动辅导、编程指导和个性化学习设计。根据个人学习风格和认知需求调整解释和逐步指导。理想用于高级数学、编程训练营和研究方法培训。

• 商业文档智能

合同、技术规范和监管文档中的文档分析具有上下文交叉引用。提取关键见解，识别合规风险，并生成执行摘要。适用于法律文件审查、尽职调查和知识管理系统。

立即开始

• 探索：在SiliconFlow的模型广场中试用Qwen3-235B-A22B-Thinking-2507。

• 集成：使用我们的OpenAI兼容API。在SiliconFlow API文档中探索完整的API规范。

import requests

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

payload = {
    "model": "Qwen/Qwen3-235B-A22B-Thinking-2507",
    "messages": [
        {
            "role": "user",
            "content": "Tell me a story"
        }
    ]
}
headers = {
    "Authorization": "Bearer <token>",
    "Content-Type": "application/json"
}

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

print(response.text)

import requests

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

payload = {
    "model": "Qwen/Qwen3-235B-A22B-Thinking-2507",
    "messages": [
        {
            "role": "user",
            "content": "Tell me a story"
        }
    ]
}
headers = {
    "Authorization": "Bearer <token>",
    "Content-Type": "application/json"
}

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

print(response.text)

import requests

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

payload = {
    "model": "Qwen/Qwen3-235B-A22B-Thinking-2507",
    "messages": [
        {
            "role": "user",
            "content": "Tell me a story"
        }
    ]
}
headers = {
    "Authorization": "Bearer <token>",
    "Content-Type": "application/json"
}

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

print(response.text)

准备好开启先进的推理能力了吗？

立即在SiliconFlow上探索Qwen3-235B-A22B-Thinking-2507。