Qwen comprende mejor los datos estructurados (como las tablas). Esto contribuye a extraer información valiosa de los datos estructurados, ayuda a los usuarios a realizar consultas y permite generar nuevos conjuntos de datos. Por ejemplo, Qwen2.5-72B puede proporcionar salidas formateadas con base en el requisito y los datos de entrada (tabla en formato JSON).

Qwen-VL aprende y analiza objetos y textos en imágenes, y crea contenido nuevo con base en su aprendizaje. Por ejemplo, puede reconocer a la mujer y al perro de la imagen, así como sus gestos (chocar los cinco).

QVQ puede analizar y comprender el contenido de la vida real que representan las dos imágenes, entender la solicitud del usuario, analizar el contenido y usar CoT para «pensar» y encontrar la conexión entre el contenido de estas imágenes.

Qwen-Audio admite diversos tipos de audio (como voz humana, sonidos naturales, música instrumental y canciones) y texto como entradas, comprende el contenido del audio y resume información como géneros musicales y emociones del hablante. También puede usar herramientas para editar los archivos de audio.

Puede usar los modelos Qwen (Qwen, Qwen-Audio y Qwen-VL, entre otros) para crear un asistente de chat que interactúa con los usuarios de manera inteligente e integral, y comprende datos multimodales, incluidos texto, imágenes, audio y videos.

Qwen2.5 mejora significativamente la generación de texto largo al pasar de 1K a más de 8K tokens. Por ejemplo, Qwen2.5-72B puede redactar un informe de más de 5,000 caracteres chinos sobre el tema solicitado.

Con base en prompts de texto e imágenes de entrada, Qwen-VL puede producir imágenes de alta calidad en diversos estilos y géneros (por ejemplo, un retrato humano estilo caricatura) para distintos escenarios específicos de cada industria.

Wan sobresale en la generación de videos realistas gracias al manejo preciso de movimientos complejos, la mejora de la calidad de píxeles, el apego a los principios físicos y la optimización de la precisión en la ejecución de instrucciones.

Qwen-Image-Edit puede añadir, eliminar o modificar elementos en las imágenes, incluidos textos tanto en chino como en inglés. También puede realizar edición semántica visual de alto nivel (como creación de propiedad intelectual, rotación de objetos y transferencia de estilos, con cambios de píxeles generales que conservan la consistencia semántica.)

Qwen3-Coder genera código en Cline para crear una animación interactiva de efectos de explosión de color.

Qwen3 ofrece el modo «Web Dev», que puede ayudarle a crear un sitio web personalizado con base en una entrada sencilla.

Qwen 2.5 ofrece una generación de salidas estructuradas mejorada y más confiable. Puede generar código JSON paso a paso con explicaciones, según lo solicitado.

Qwen-Omni ofrece emocionantes funciones multimodales, incluidas las interacciones con video y audio, el análisis de imágenes y la comunicación por texto, entre otras. Por ejemplo, Qwen-Omni puede brindar orientación en tiempo real sobre cómo completar y mejorar una pintura, identificar a varias personas en un video o describir escenas de la vida real y ofrecer asesoría bajo solicitud.

Qwen3-32B usa herramientas para obtener información (Repository Stars) de una página de GitHub y producir un gráfico de barras que la ilustre; después, organiza los archivos del escritorio local por tipo de archivo.