O Qwen compreende melhor dados estruturados (como tabelas). Isso contribui para extrair informações relevantes desses dados, ajudando os usuários a realizar consultas e gerar novos conjuntos de dados. Por exemplo, o Qwen2.5-72B pode fornecer saídas formatadas com base nos requisitos e nos dados de entrada (tabela em formato JSON).

O Qwen-VL aprende e analisa objetos e textos em imagens e cria novo conteúdo com base nesse aprendizado. Por exemplo, ele pode reconhecer a mulher e o cachorro na imagem e seus gestos (um high five).

O QVQ pode analisar e compreender o conteúdo retratado nas duas imagens em situações reais, entender a solicitação do usuário, analisar o conteúdo e usar CoT para "pensar" e encontrar a conexão entre o conteúdo dessas imagens.

O Qwen-Audio pode aceitar diversos tipos de áudio (como fala humana, sons naturais, música instrumental e canções) e texto como entradas, compreender o conteúdo do áudio e resumir informações como gêneros musicais e emoções do falante. Ele também pode usar ferramentas para editar os arquivos de áudio.

Você pode usar os modelos Qwen (Qwen, Qwen-Audio, Qwen-VL, etc.) para criar um assistente de chat que interage com os usuários de forma inteligente e abrangente, compreendendo dados multimodais, incluindo texto, imagens, áudio e vídeos.

O Qwen2.5 melhora significativamente a geração de textos longos, aumentando de 1 mil para mais de 8 mil tokens. Por exemplo, o Qwen2.5-72B pode escrever um relatório com mais de 5.000 caracteres chineses sobre o assunto solicitado.

Com base em prompts de texto e imagens de entrada, o Qwen-VL pode produzir imagens de alta qualidade em vários estilos e gêneros (por exemplo, um retrato humano no estilo cartoon) para diferentes cenários específicos de cada setor.

O Wan se destaca na geração de vídeos realistas ao lidar com precisão com movimentos complexos, aprimorar a qualidade dos pixels, seguir princípios físicos e otimizar a precisão na execução de instruções.

O Qwen-Image-Edit pode adicionar, remover ou modificar elementos em imagens, incluindo textos em chinês e inglês. Ele também pode realizar edição semântica visual avançada (como criação de IP, rotação de objetos e transferência de estilo), permitindo alterações gerais de pixels enquanto mantém a consistência semântica.

O Qwen3-Coder gera código no Cline para criar uma animação interativa com efeitos de explosão de cores.

O Qwen3 oferece o modo "Web Dev", que ajuda você a criar um site personalizado com base em entradas simples.

O Qwen 2.5 oferece geração aprimorada e mais confiável de saídas estruturadas. Ele pode gerar código JSON passo a passo com explicações conforme solicitado.

O Qwen-Omni oferece recursos multimodais avançados, incluindo interações por vídeo e áudio, análise de imagens, comunicação por texto, entre outros. Por exemplo, o Qwen-Omni pode fornecer orientação em tempo real sobre como concluir e aprimorar uma pintura, identificar várias pessoas em um vídeo ou descrever cenas reais e oferecer conselhos conforme solicitado.

O Qwen3-32B usa ferramentas para buscar informações (Stars do repositório) de uma página do GitHub e gerar um gráfico de barras para ilustrar os dados, além de organizar arquivos locais da área de trabalho por tipo de arquivo.