Qwen では、構造化データ (テーブルなど) の理解が改善されています。 これにより、構造化データから洞察に満ちた情報を抽出でき、ユーザーはクエリを実行し、新しいデータセットを生成できます。 たとえば、Qwen2.5-72B では、要件と入力データ (JSON 形式のテーブル) に基づいてフォーマットされた出力を提供できます。

Qwen-VL は、画像内のオブジェクトやテキストを学習および分析し、その学習に基づいて新しいコンテンツを作成します。 たとえば、写真の中の女性と犬、およびそのジェスチャー (ハイファイブ) を認識できます。

QVQ は、2 つの画像が実際に描写するコンテンツを分析して理解し、ユーザーの要求を把握したうえで内容を分析し、CoT を使用して「推論」し、これらの画像のコンテンツ間のつながりを見いだすことができます。

Qwen-Audio は、さまざまなタイプのオーディオ (人間の音声、自然の音、楽器による演奏、曲など) とテキストを入力として受け入れ、オーディオコンテンツを理解し、音楽のジャンルや話者の感情などの情報を要約できます。 ツールを使用してオーディオファイルを編集することもできます。

Qwen モデル (Qwen、Qwen-Audio、Qwen-VL など) を使用して、ユーザーとインテリジェントかつ包括的に対話し、テキスト、画像、オーディオ、ビデオなどのマルチモーダルデータを理解するチャットアシスタントを構築できます。

Qwen2.5 では、長いテキスト生成が大幅に改善され、1 K から 8 K を超えるトークンに改善されています。 たとえば、Qwen2.5-72B は、要求されたテーマに対して漢字で 5,000 文字を超えるレポートを作成できます。

テキストプロンプトと入力画像に基づいて、Qwen-VL は、さまざまな業界固有のシナリオに対して、さまざまなスタイルとジャンル (マンガ風の人物画など) の高品質な画像を作成できます。

Wan は、複雑な動きの正確な処理、ピクセル品質の向上、物理的な原理の順守、命令実行精度の最適化により、リアルなビジュアルの生成に優れています。

Qwen-Image-Edit では、中国語と英語の両方のテキストを含む画像内の要素を追加、削除、または変更できます。 また、高レベルのビジュアルセマンティック編集 (IP の作成、オブジェクトの回転、スタイルの転送など、セマンティックの一貫性を維持しながらピクセル全体を変更できます) も実行できます。

Qwen3-Coder は、カラー爆発効果を表現したインタラクティブなアニメーションを作成するコードを Cline で生成します。

Qwen3 は、簡単な入力に基づいてパーソナライズされた Web サイトを作成できる Web Dev モードを備えています。

Qwen 2.5 では、構造化出力を生成する際の信頼性がさらに高くなっています。 要求に応じて、説明付きで JSON コードを段階的に生成できます。

Qwen-Omni は、ビデオとオーディオのインタラクション、画像分析、テキスト通信など、エキサイティングなマルチモーダル機能を備えています。 たとえば、Qwen-Omni では、絵画の完成や改善方法に関するリアルタイムのガイダンスを提供したり、ビデオ内の複数の人物を特定したり、実際のシーンを描写して要求に基づいたアドバイスを提供したりすることができます。

Qwen3-32B はツールを使用して GitHub ページから情報 (Repository Stars) を取得し、棒グラフを作成して情報を可視化し、ローカルデスクトップファイルをファイルタイプごとに整理します。