Saltar al contenido
Alfa
  • Modelos
  • Clasificaciones
  • Ori
Hablar con ventas

Pie de página

OpenRouterOpenRouter
© 2026 OpenRouter, Inc

Producto

  • Chat
  • Clasificaciones
  • Pruebas de rendimiento
  • Aplicaciones
  • Descubrir
  • Modelos
  • Ori
  • Colecciones
  • Proveedores
  • Herramientas
  • Precios
  • Business
  • Enterprise
  • Laboratorio

Empresa

  • Acerca de
  • Blog
  • Clientes
  • Empleo
    Empleo
  • Privacidad
  • Términos del servicio
  • Centro de confianza
  • Soporte
  • Compatible con OR
  • Datos
  • Marca

Desarrollador

  • Documentación
  • Referencia de la API
  • Plataforma para desarrolladores
  • Estado
  • Mapa del sitio para IA

Conectar

  • Discord
  • GitHub
  • LinkedIn
  • X
  • YouTube
Favicon de qwen

Qwen: Qwen3 VL 235B A22B Instruct

qwen/qwen3-vl-235b-a22b-instruct

Pesos del modelo
Comparar

Qwen3-VL-235B-A22B Instruct is an open-weight multimodal model that unifies strong text generation with visual understanding across images and video. The Instruct model targets general vision-language use (VQA, document parsing, chart/table extraction, multilingual OCR). The series emphasizes robust perception (recognition of diverse real-world and synthetic categories), spatial understanding (2D/3D grounding), and long-form visual comprehension, with competitive results on public multimodal benchmarks for both perception and reasoning.

Beyond analysis, Qwen3-VL supports agentic interaction and tool use: it can follow complex instructions over multi-image, multi-turn dialogues; align text to video timelines for precise temporal queries; and operate GUI elements for automation tasks. The models also enable visual coding workflows—turning sketches or mockups into code and assisting with UI debugging—while maintaining strong text-only performance comparable to the flagship Qwen3 language models. This makes Qwen3-VL suitable for production scenarios spanning document AI, multilingual OCR, software/UI assistance, spatial/embodied tasks, and research on vision-language agents.

Modalidades
Precio de entrada / salida
0,20 US$ / 0,88 US$por 1M
Contexto
262K
Publicado
23 sept 2025
Fecha de corte del conocimiento
mar 2025
Comparar
ProveedoresPreciosRendimientoTiempo de actividadPruebas de rendimientoAplicacionesActividadPreguntas frecuentesExplorar

Proveedores

Distintas empresas alojan el mismo modelo. OpenRouter dirige su solicitud a una de ellas según el modo de enrutamiento que elija: Equilibrado (precio + velocidad), Nitro (el más rápido) o Floor (el más barato).

Precios

El precio medio que los clientes pagan realmente por este modelo, junto a los precios que publican los proveedores. El uso de caché y los descuentos hacen que el precio realmente pagado a menudo sea muy inferior al publicado.

Rendimiento

La velocidad de generación indica lo rápido que escribe el modelo (tokens por segundo: cuanto mayor, mejor). La latencia es el tiempo total de ida y vuelta (cuanto menor, mejor). TTFT es el tiempo hasta el primer token: cuánto tarda en aparecer algo en pantalla (cuanto menor, mejor).

Tiempo de actividad

El tiempo de actividad es el porcentaje de los últimos 3 días en que al menos un proveedor respondía a las solicitudes. La disponibilidad es el porcentaje de tiempo en que la inferencia se sirvió correctamente. OpenRouter supervisa continuamente y utiliza el siguiente mejor proveedor cuando uno devuelve un error.

Pruebas de rendimiento

Puntuaciones en evaluaciones estandarizadas y respuestas de este modelo a instrucciones compartidas de las pruebas de referencia. Los porcentajes más altos son mejores, y cada posición indica dónde se sitúa este modelo entre los modelos evaluados en esa fuente.

Resumen de puntuaciones en pruebas de rendimiento de Qwen: Qwen3 VL 235B A22B Instruct (Artificial Analysis)
FuentePrueba de rendimientoPuntuación
Artificial AnalysisQwen3 235B A22B (Non-reasoning) GPQA Diamond61.3%
Artificial AnalysisQwen3 235B A22B (Non-reasoning) HLE4.2%
Artificial AnalysisQwen3 235B A22B (Non-reasoning) IFBench36.6%
Artificial AnalysisQwen3 235B A22B (Non-reasoning) τ²-Bench Telecom27.2%
Artificial AnalysisQwen3 235B A22B (Non-reasoning) AA-LCR0.0%
Artificial AnalysisQwen3 235B A22B (Non-reasoning) CritPt0.0%
Artificial AnalysisQwen3 235B A22B (Non-reasoning) LiveCodeBench34.3%
Artificial AnalysisQwen3 235B A22B (Non-reasoning) Terminal-Bench Hard6.1%
Artificial AnalysisQwen3 235B A22B (Non-reasoning) MMLU-Pro76.2%
Artificial AnalysisQwen3 235B A22B (Non-reasoning) AIME 202523.7%
Artificial AnalysisQwen3 235B A22B (Non-reasoning) AIME32.7%
Artificial AnalysisQwen3 235B A22B (Non-reasoning) MATH-50090.2%
Artificial AnalysisQwen3 VL 235B A22B Instruct GPQA Diamond71.2%
Artificial AnalysisQwen3 VL 235B A22B Instruct HLE6.6%
Artificial AnalysisQwen3 VL 235B A22B Instruct IFBench42.7%
Artificial AnalysisQwen3 VL 235B A22B Instruct τ²-Bench Telecom35.1%
Artificial AnalysisQwen3 VL 235B A22B Instruct AA-LCR32.7%
Artificial AnalysisQwen3 VL 235B A22B Instruct CritPt0.0%
Artificial AnalysisQwen3 VL 235B A22B Instruct LiveCodeBench59.4%
Artificial AnalysisQwen3 VL 235B A22B Instruct Terminal-Bench Hard6.8%
Artificial AnalysisQwen3 VL 235B A22B Instruct MMLU-Pro82.3%
Artificial AnalysisQwen3 VL 235B A22B Instruct AIME 202570.7%

Aplicaciones

Aplicaciones públicas que envían más tráfico a este modelo. Una buena señal de cómo son las cargas de trabajo reales en producción, y una pista sobre los casos de uso para los que este modelo es más adecuado.

Actividad

Volumen de tokens y tráfico de solicitudes a este modelo a lo largo del tiempo.

API

Código listo para usar para llamar a este modelo. La API de OpenRouter es compatible con OpenAI: la mayoría de los SDK funcionan con solo cambiar la URL base. Lo único que cambia entre modelos es el identificador del modelo que aparece a continuación.

Actualmente no está disponible mediante el enrutamiento dentro de la región de la UE. Documentación de enrutamiento dentro de la región

Explorar más modelos

Modelos de IA con visión: LLM multimodales para la comprensión de imágenesColecciónClasificaciones de modelos de IAClasificación
Latencia / rendimiento
0,20 US$0,88 US$0,11 US$1,68s8 tps
97,84 %
0,21 US$1,90 US$0,10 US$1,26s31 tps
95,80 %
0,21 US$1,90 US$0,10 US$1,09s24 tps
100,00 %
Rendimiento
31tok/s

P50, el mejor entre los proveedores

Latencia
1,09s

P50, mejor proveedor

Pruebas de rendimiento de AutoExacto
GPQA DiamondTAU-BenchPrimeIntellect70,7 %48,0 %Novita71,4 %45,3 %Alibaba71,5 %42,7 %Parasail71,4 %41,3 %Venice69,9 %42,7 %
+2 proveedores más
Tiempo de actividad (3 d)El modelo estaba accesible. Solicitud enrutada a un proveedor.
100,00 %
Disponibilidad (3 d)El modelo devolvió una inferencia de cualquier proveedor. Los errores y las respuestas vacías cuentan en su contra.
99,95 %

Disponibilidad durante los últimos 3 días

Últimas 72 horas
Disponibilidad 99,95 %
Hace 3 díasHace 2 díasAyerAhora

Disponibilidad en las últimas 24 horas

OpenRouter Availability
99,97 %
Without Routing
93,52 %

Cuando se produce un error en un proveedor ascendente, podemos recuperarnos enrutando la solicitud a otro proveedor que funcione correctamente, si los filtros de su solicitud lo permiten. Puede acceder mediante programación a los datos de tiempo de actividad de cada proveedor a través de la API de endpoints. Obtenga más información sobre nuestras opciones de equilibrio de carga y enrutamiento de proveedores.

1.
Favicon de https://modelgates.ai/
ModelGates
nuevo
1,99Btókenes
2.
Favicon de https://app.chasky.mx/
Chasky Pods
nuevo
1,18Btókenes
3.
Favicon de https://github.com/tvtips
tvtips
nuevo
859Mtókenes
4.
Favicon de https://insense.pro/
Insense Tagging Pipeline
nuevo
782Mtókenes
5.
Favicon de https://i.love.koalas.ai/
KoalaBear
nuevo
531Mtókenes

Preguntas frecuentes

Qwen3-VL-235B-A22B Instruct is an open-weight multimodal model that unifies strong text generation with visual understanding across images and video. The Instruct model targets general vision-language use (VQA, document parsing, chart/table extraction, multilingual OCR).

Qwen3 VL 235B A22B Instruct cuesta 0,20 US$/M de tokens de entrada y 0,88 US$/M de tókenes de salida, con tarifas independientes para Cache Read a 0,11 US$/M tokens.

Qwen3 VL 235B A22B Instruct tiene una ventana de contexto de 262.144 tókenes. Admite hasta 16.384 tókenes de respuesta.

Sí. Qwen3 VL 235B A22B Instruct admite tools y tool_choice para llamadas a funciones. También admite salidas estructuradas mediante un esquema JSON en response_format.

Qwen3 VL 235B A22B Instruct acepta texto e imágenes como entrada y devuelve texto.

Qwen3 VL 235B A22B Instruct está disponible a través de 3 proveedores en OpenRouter: DeepInfra, Venice y Parasail. Las solicitudes se enrutan al mejor proveedor disponible, con conmutación automática a los demás en caso de fallo, y puede fijar o excluir proveedores mediante el enrutamiento de proveedores.

Qwen3 VL 235B A22B Instruct se lanzó el 23 de septiembre de 2025. Su fecha límite de conocimientos es 31 de marzo de 2025.

Más modelos de Qwen

Qwen Image 2.1 Turbo

Qwen Image 2.1 Turbo is the fast, lower-cost tier of the Qwen Image 2.1 series from Qwen, for image generation and editing where throughput and price matter more than peak fidelity. See Qwen Image 2.1 Pro for the higher-quality tier.

Imagenfrom 0,0184 US$/image
Qwen Image 2.1 Pro

Qwen Image 2.1 Pro is an image generation and editing model from Qwen, the higher-quality tier of the Qwen Image 2.1 series. Choose it over Qwen Image 2.1 Turbo when output fidelity matters more than cost or speed.

Imagenfrom 0,046 US$/image
Qwen3.8 Max Prime

Qwen3.8 Max Prime is a higher-throughput variant of Qwen3.8 Max from Alibaba's Qwen team, served as a separate SKU at a higher price point. It accepts text, image, and video input and returns text, with a 1M-token context window and reasoning enabled by default. Tool calling, structured outputs, and configurable reasoning effort are supported, matching Qwen3.8 Max.

TextoContexto de 1M4 US$ / 12 US$
Qwen3.8 Omni Flash

Qwen3.8 Omni Flash is an omni-modal reasoning model from Alibaba, the first Qwen model built around agentic capabilities with native audio-video understanding. It is suited for audio-video analysis and summarization, video editing and production workflows, audio-video dialogue, coding, knowledge work, and GUI interaction, and it is particularly strong at long-form multimedia tasks that combine speech, sound, and visual context. It also supports two-channel and four-channel spatial audio understanding.

TextoContexto de 1M0,15 US$ / 0,47 US$
Qwen3.8 Max

Qwen3.8 Max 0902 is an updated snapshot of Qwen3.8 Max from Alibaba's Qwen team. It is a 2.4-trillion-parameter mixture-of-experts model that accepts text, image, and video input and returns text, with a 1M-token context window and reasoning enabled by default.

This snapshot is post-trained for coding and agentic work, including multi-step software projects, multi-tool orchestration, and long-horizon task execution. It also targets chart reasoning, document parsing, and multimodal understanding over long documents and extended video. Tool calling, structured outputs, and configurable reasoning effort are supported.

TextoContexto de 1M2 US$ / 6 US$
Qwen3.8 Flash

Qwen3.8 Flash is a multimodal reasoning model from Alibaba. It is suited for coding assistance, agentic workflows, visual understanding, document and codebase analysis, desktop interaction, chart analysis, and long-video analysis.

TextoContexto de 1M0,15 US$ / 0,47 US$
Qwen3 Reranker 0.6B

Qwen3 Reranker 0.6B is the smallest text reranking model from Alibaba Cloud in the Qwen3 Reranker series. Built on the Qwen3 architecture, it evaluates query-document pairs to produce relevance scores for retrieval and RAG pipelines. Supports 100+ languages with instruction-aware reranking. Designed for low-latency, resource-constrained deployments.

Reclasificación
Qwen3 Reranker 4B

Qwen3 Reranker 4B is a text reranking model from Alibaba Cloud built on the Qwen3 architecture. It evaluates query-document pairs to produce relevance scores for use in retrieval and RAG pipelines. Supports 100+ languages and programming languages, with instruction-aware reranking that allows customizing scoring criteria per task. A compact 4B alternative balancing performance and inference cost.

Reclasificación
Qwen3.8 27B

Qwen3.8 27B is an open-weight dense vision-language model from Qwen. It is suited for coding, professional workflows, research, multimodal interaction, and long-running agent tasks, with flexible thinking that can be enabled or disabled.

TextoContexto de 1,0M0,005 US$ / 0,28 US$
Qwen3 Reranker 8B

Qwen3 Reranker 8B is a text reranking model from Alibaba Cloud built on the Qwen3 architecture. It evaluates query-document pairs to produce relevance scores for use in retrieval and RAG pipelines. Supports 100+ languages and programming languages, with instruction-aware reranking that allows customizing scoring criteria per task. Offers strong performance on multilingual benchmarks including MTEB, CMTEB, and MMTEB.

Reclasificación0,20 US$/M tokens
Qwen3 ASR 1.7B

Qwen3 ASR 1.7B is an automatic speech recognition model from Qwen. It supports multilingual language identification and transcription across 30 languages and 22 Chinese dialects, with streaming and offline inference plus segment-level and word-level timestamps.

Transcripción0,000008 US$/second
Qwen3 ASR 0.6B

Qwen3 ASR 0.6B is a compact automatic speech recognition model from Qwen. It supports multilingual language identification and transcription across 30 languages and 22 Chinese dialects, with streaming and offline inference plus segment-level and word-level timestamps.

Transcripción0,000003 US$/second
Qwen3.8 2.4T A95B

Qwen3.8 2.4T A95B is an open-weight sparse mixture-of-experts model from Qwen and the open-weight variant of Qwen3.8 Max, with 95 billion active parameters out of 2.4 trillion total. It is suited for coding, research, complex reasoning, and agentic workflows.

TextoContexto de 1,0M2 US$ / 6 US$
Qwen Image 3 Pro

Qwen Image 3 Pro is an image generation and editing model from Qwen. It supports precise rendering of text and details as small as 10px, along with richer world knowledge compared to previous generations.

Imagenfrom 0,04 US$/image
Qwen Image 3

Qwen Image 3 is a unified image generation and editing model from Qwen. It supports precise rendering of text and details as small as 10px, along with a richer world knowledge base than previous generations.

Imagenfrom 0,03 US$/image
Qwen3.8 Max

Qwen3.8 Max (0803) is the August 3, 2026 checkpoint of Qwen3.8 Max, the flagship model in Alibaba's Qwen3.8 series and the general-availability successor to the Qwen3.8 Max Preview. It is a multimodal reasoning model intended for complex reasoning, visual understanding, coding, and agentic workflows. This checkpoint was superseded by Qwen3.8 Max (0902) on September 5, 2026.

TextoContexto de 1M
Qwen3.7 Flash

Qwen3.7 Flash is a vision-language reasoning model from Alibaba. It is suited for multimodal agents, visual coding, search, and computer interaction, with strengths in object recognition, spatial understanding, and real-world visual perception.

TextoContexto de 1M0,03 US$ / 0,13 US$
Qwen-Audio-3.0-TTS Flash

Qwen-Audio-3.0-TTS Flash is Alibaba's fast, cost-efficient text-to-speech model, generating spoken audio from text via the DashScope Speech Synthesizer API.

Voz15 US$/M characters
Qwen-Audio-3.0-TTS Plus

Qwen-Audio-3.0-TTS Plus is Alibaba's higher-quality text-to-speech model, generating spoken audio from text via the DashScope Speech Synthesizer API.

Voz20 US$/M characters
Qwen3.7 Plus

Qwen3.7-Plus is a cost-effective model in Alibaba's Qwen3.7 series. It supports text and image input with text output, building on the series' text capabilities with a comprehensive upgrade to its vision-language abilities while retaining full-stack, agent-level intelligence for coding, tool use, and productivity workflows. Its distinguishing trait is multi-modal interactive hybrid agent capability: it can perceive real-world scenes, read screens and interact with GUIs, generate code from visual references, and perform end-to-end navigation within mobile apps.

TextoContexto de 1M0,32 US$ / 1,28 US$

Qwen3 VL 235B A22B Instruct cuesta 0,20 US/Mdetokensdeentraday0,88 US/M de tokens de entrada y 0,88 US/Mdetokensdeentraday0,88 US/M de tókenes de salida, con tarifas independientes para Cache Read a 0,11 US$/M tokens.