Qwen3-VL-30B-A3B-Instruct — это мультимодальная модель, которая объединяет мощную генерацию текста с визуальным пониманием изображений и видео. Ее вариант Instruct оптимизирован для выполнения инструкций в общих мультимодальных задачах. Она превосходно справляется с восприятием реальных и синтетических категорий, 2D/3D пространственным позиционированием и длительным визуальным пониманием, достигая конкурентных результатов в мультимодальных бенчмарках. Для агентного использования она обрабатывает инструкции с несколькими изображениями и несколькими ходами, выравнивание временных линий видео, автоматизацию графических интерфейсов и визуальное программирование от эскизов до отлаженного пользовательского интерфейса. Текстовая производительность соответствует флагманским моделям Qwen3, что делает её подходящей для документного ИИ, OCR, помощи в работе с UI, пространственных задач и исследований агентов.
curl https://api.vega.chat/api/v1/chat/completions \
-H "Authorization: Bearer $VEGA_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen/qwen3-vl-30b-a3b-instruct",
"messages": [
{"role": "user", "content": "Hello!"}
]
}'