Qwen memahami data terstruktur (seperti tabel) dengan lebih baik. Hal ini membantu mengekstrak informasi berharga dari data terstruktur, membantu pengguna melakukan kueri, dan menghasilkan dataset baru. Misalnya, Qwen2.5-72B dapat memberikan output terformat berdasarkan kebutuhan dan data input (tabel dalam format JSON).

Qwen-VL mempelajari dan menganalisis objek serta teks dalam image, lalu membuat konten baru berdasarkan pembelajaran tersebut. Misalnya, model ini dapat mengenali wanita dan anjing dalam gambar beserta gestur mereka (tos tangan).

QVQ dapat menganalisis dan memahami konten yang digambarkan oleh kedua image dalam kehidupan nyata, memahami permintaan pengguna, menganalisis konten, dan menggunakan CoT untuk "berpikir" serta menemukan hubungan antara konten dalam image-image tersebut.

Qwen-Audio dapat menerima berbagai jenis audio (seperti ucapan manusia, suara alam, musik instrumental, dan lagu) serta teks sebagai input, memahami konten audio, dan merangkum informasi seperti genre musik dan emosi pembicara. Model ini juga dapat menggunakan perangkat untuk mengedit file audio.

Anda dapat menggunakan model Qwen (Qwen, Qwen-Audio, dan Qwen-VL, dll.) untuk membangun asisten chat yang berinteraksi dengan pengguna secara cerdas dan menyeluruh, serta memahami data multimodal, termasuk teks, image, audio, dan video.

Qwen2.5 secara signifikan meningkatkan generasi teks panjang, dari 1K menjadi lebih dari 8K token. Misalnya, Qwen2.5-72B dapat menulis laporan lebih dari 5.000 karakter Mandarin mengenai subjek yang diminta.

Berdasarkan prompt teks dan input image, Qwen-VL dapat menghasilkan image berkualitas tinggi dalam berbagai gaya dan genre (misalnya, potret manusia bergaya kartun) untuk berbagai skenario spesifik industri.

Wan unggul dalam menghasilkan video realistis dengan menangani gerakan kompleks secara akurat, meningkatkan kualitas piksel, mematuhi prinsip fisika, dan mengoptimalkan presisi eksekusi instruksi.

Qwen-Image-Edit dapat menambahkan, menghapus, atau memodifikasi elemen dalam image, termasuk teks dalam bahasa Mandarin dan Inggris. Model ini juga dapat melakukan pengeditan semantik visual tingkat tinggi (seperti pembuatan IP, rotasi objek, dan transfer gaya, yang memungkinkan perubahan piksel secara keseluruhan sambil mempertahankan konsistensi semantik).

Qwen3-Coder menghasilkan kode di Cline untuk membuat animasi interaktif efek ledakan warna.

Qwen3 menyediakan mode "Web Dev" yang membantu Anda membuat website personal berdasarkan input sederhana.

Qwen 2.5 menawarkan generasi output terstruktur yang lebih baik dan andal. Model ini dapat menghasilkan kode JSON langkah demi langkah dengan penjelasan sesuai permintaan.

Qwen-Omni menyediakan fitur multimodal yang menarik, termasuk interaksi video dan audio, analisis image, komunikasi teks, dan lainnya. Misalnya, Qwen-Omni dapat memberikan panduan real-time tentang cara menyelesaikan dan meningkatkan lukisan, mengidentifikasi beberapa orang dalam video, atau mendeskripsikan adegan kehidupan nyata dan memberikan saran berdasarkan permintaan.

Qwen3-32B menggunakan tools untuk mengambil informasi (Repository Stars) dari halaman GitHub dan menghasilkan diagram batang untuk mengilustrasikan informasi tersebut, lalu mengatur file desktop lokal berdasarkan tipe file.