Qwen-Agent
Framework d'agents Qwen natif avec MCP, RAG, interpréteur de code et interface Gradio.
Qwen3 235B A22B est le modèle open-weight qui réduit l'écart avec les laboratoires frontaliers fermés. Publié le 28 avril 2025 par l'équipe Qwen d'Alibaba, il est distribué sous Apache 2.0 sans restrictions commerciales.
Les spécifications qui comptent pour choisir le modèle et le matériel.
235B total, 22B actifs par token
MoE, 128 experts, 8 actifs par token
128K natif, 262K sur Instruct-2507
Apache 2.0
28 avril 2025 (Instruct-2507 en juillet 2025)
119 langues et dialectes
Thinking hybride et Non-Thinking
143 Go
112 Go
15-22
120-180 batché
Trois niveaux, des SKU réels, des chiffres de débit réels.
Débit : 15-22 tokens/sec. Idéal pour : workflows power mono-utilisateur, génération de code, raisonnement profond sur des documents privés.
Débit : 40-70 tokens/sec. Idéal pour : cabinets de 10 à 30 utilisateurs, service batché vLLM, déchargement d'experts MoE.
Débit : 120-300 tokens/sec. Idéal pour : 100+ utilisateurs simultanés, opérations multilingues, workflows agentiques.
GGUF, AWQ, FP8, INT4.
IQ4_XS pour les Macs 128 Go (qualité proche de Q4_K_M, tient avec un contexte de 40K), Q4_K_M pour les Macs 256 Go+, FP8 pour H100 et H200, AWQ INT4 pour les cartes Blackwell grand public
Les modèles MoE tolèrent légèrement mieux la quantification que les modèles denses car le routage des experts dilue l'erreur par poids. IQ4_XS perd environ 3% sur MMLU-Pro versus FP16. FP8 est le point idéal de production sur Hopper et Blackwell, quasi sans perte et 2x de débit versus FP16.
Taille du fichier : 112 Go.
Taille du fichier : 143 Go.
Taille du fichier : 118 Go.
Taille du fichier : 235 Go.
Appel d'outils natif avec la fiabilité la plus forte de tout modèle open en 2026.
Option native d'Alibaba : pip install -U qwen-agent[gui,rag,code_interpreter,mcp]. Encapsule les templates et parseurs d'appel d'outils en interne. Passez model_server comme URL vLLM /v1. Intègre MCP, interpréteur de code, RAG et extension Chrome.
Fournisseur OpenAI Compatible. L'appel d'outils sur Qwen3 est le plus stable de la classe des modèles open, hallucinant rarement les appels ou perdant des paramètres. Les modes Plan et Act fonctionnent tous les deux. La variante Thinking-2507 ajoute des étapes de raisonnement pour des plans plus profonds, Instruct-2507 est plus rapide pour le travail courant.
Le classement Aider Polyglot place Qwen3 235B A22B à 65.3%, près du sommet des modèles open auto-hébergeables. Configurez --openai-api-base sur l'endpoint vLLM. Le mode d'édition fonctionne proprement en Python, TypeScript, Go, Rust et Java.
Ajoutez dans config.yaml avec provider: openai et apiBase vers votre vLLM. Déclarez capabilities: [tool_use]. Le mode agent détecte automatiquement l'appel d'outils natif. Le contexte de 256K sur la variante Thinking déverrouille le mode contexte de dépôt complet de Continue.
Bonne compatibilité. Un checkpoint RFT 235B de la base Instruct-2507 a atteint 61.7% Pass@1 (74.3% Pass@5 à 500 tours) sur SWE-bench Verified avec les trajectoires OpenHands selon Nebius, battant le spécialiste de code 30B (50.3%) avec la moitié des paramètres de Qwen3-Coder-480B. Définissez LLM_BASE_URL sur vLLM. Meilleure performance en boucle autonome de tout modèle de ce lot.
Fork de Cline. Multi-mode (Code, Architect, Ask, Debug). Le mode Architect + variante Thinking-2507 est une combinaison forte car la trace de raisonnement de Qwen3 expose clairement les compromis architecturaux. Même configuration compatible OpenAI.
Claude Code accepte l'override OPENAI_BASE_URL selon les guides non officiels. Qwen3 235B A22B est le modèle open qui se rapproche le plus de Claude Sonnet sur l'évaluation SWE-bench de Claude Code. Vérifiez la compatibilité du format d'outil, certains outils internes de Claude Code supposent des appels de fonction à la sauce Anthropic.
Où ce modèle + stack d'agents livre un vrai travail.
Le contexte de 256K (variante Thinking-2507) fait de Qwen3 235B A22B l'un des modèles open les plus puissants pour la recherche approfondie.
RAG, interpréteur de code et MCP intégrés. Une seule installation pip donne un stack d'agents fonctionnel. Meilleur point de départ de recherche si l'acheteur est engagé sur la gamme Qwen.
Pointez OPENAI_BASE_URL sur vLLM. Le suivi des instructions de Qwen3 (Qwen 3.5 atteint IFEval 92.6) signifie que les prompts de planification de GPT Researcher sont suivis précisément. Les rapports prennent 3 à 5 minutes pour 5 à 10 sources.
Le fournisseur Generic OpenAI fonctionne. RAG par espace de travail plus mode @agent couvre 80% des cas d'usage des acheteurs. La fiabilité des outils de Qwen3 signifie que @agent échoue rarement sur les séquences multi-outils.
Interface chat par défaut. La bascule de réflexion hybride de Qwen3 s'expose bien via les paramètres par conversation d'Open WebUI (chat_template_kwargs.enable_thinking). Les acheteurs peuvent activer le raisonnement pour les questions difficiles et le désactiver pour le chat rapide.
Orchestration de recherche en production. L'appel d'outils fiable de Qwen3 est le facteur différenciant : les transitions d'état LangGraph se déclenchent correctement sans logique de réessai. Associez avec le traçage LangSmith.
Équipes de recherche basées sur les rôles. Le fort suivi des instructions de Qwen3 235B A22B signifie que le texte de rôle et d'objectif de CrewAI est respecté sans frais de prompt engineering.
Meilleure association de retrieval. Utilisez les moteurs de requête LlamaIndex comme outils dans un workflow Qwen-Agent ou LangGraph. Le contexte de 256K vous permet de conserver une fenêtre de chunk extrait beaucoup plus grande que le RAG typique.
Optimisation des prompts. L'étape de compilation de DSPy est inhabituellement efficace sur Qwen3 car le modèle suit précisément les patterns few-shot structurés. Utilisez DSPy pour optimiser le prompt de décomposition des questions, puis déployez via LangGraph.
Où ce modèle + stack d'agents de recherche livre des rapports que votre équipe utilise vraiment.
Choisissez le framework selon la forme du workflow.
Framework d'agents Qwen natif avec MCP, RAG, interpréteur de code et interface Gradio.
Orchestration avec état en production. Mieux associé avec l'appel d'outils fiable de Qwen3.
Équipes basées sur les rôles. Le plus rapide à démontrer avec le suivi des instructions de Qwen3.
Conversations GroupChat. Utile pour les patterns de débat en mode hybride Qwen3.
Compilation des prompts. Fort avec l'adhérence au format structuré de Qwen3.
Agents type-safe. La fiabilité de sortie structurée de Qwen3 s'adapte bien.
Couche de retrieval. Associez avec le contexte Qwen3 de 256K pour des chunks extraits énormes.
Trois profils d'acheteurs où ce modèle est la bonne réponse.
Tâche : Révision de contrats transfrontaliers en anglais, français, allemand, mandarin, plus discovery. Résultat : La couverture de 119 langues remplace trois outils de traduction séparés. Apache 2.0 signifie que la redistribution vers les portails clients est propre.
Tâche : Génération de code, revue de code, refactorisation agentique sur plusieurs langages et frameworks. Résultat : 70.7 LiveCodeBench v5 et 2 056 CodeForces bat tous les modèles open denses. Mode Thinking hybride pour les bugs difficiles, Non-Thinking pour l'autocomplétion.
Tâche : Synthèse de littérature, génération d'hypothèses, questions-réponses STEM niveau GPQA sur des documents internes. Résultat : Leadership SuperGPQA sur DeepSeek-V3 et Llama-4 en STEM expert. Contexte 256K gère des dossiers d'essais cliniques complets.
Les retours des personnes qui étaient dans la pièce quand les décisions ont été prises.
I used to spend every Sunday reconciling contractor invoices. Now they match automatically. I got my weekends back.
Three drivers called out on the same morning. The system reassigned every route before I finished my coffee. That used to take two hours of phone calls.
They did not ask us to trust a rewrite plan. They proved one critical workflow first, then scaled from evidence.
Où ce modèle gagne, où il perd.
DeepSeek V3.2 (671B MoE, 37B actifs) gagne sur les maths et le code au sommet absolu. Qwen3 235B gagne sur l'empreinte mémoire (143 Go Q4 versus 376 Go Q4) et sur l'accessibilité matérielle pour tout cabinet sans budget de 8x H100.
Qwen3 235B gagne sur le raisonnement, le codage, le multilingue et les benchmarks sur toute la ligne. Llama 3.3 70B gagne sur la simplicité de service, le plancher matériel et la maturité de l'écosystème. Choisissez Llama pour les cabinets de 8 à 15 personnes, Qwen3 235B pour les 30+ où la qualité est la contrainte.
Mistral Large 3 gagne sur Apache 2.0 plus la vision multimodale de premier ordre. Qwen3 235B gagne sur l'empreinte matérielle (143 Go versus 370 Go en Q4) et sur la taille de cabinet qui peut s'auto-héberger sans nœud GPU entreprise.
Jour 4, vLLM (ou SGLang) sert le modèle avec l'appel d'outils et le parseur de raisonnement.
vLLM sert Qwen3-235B-A22B-Instruct-2507 avec tensor-parallel-size 8, max-model-len 131072 (ou 256K sur Thinking-2507), --enable-reasoning --reasoning-parser deepseek_r1 pour la variante Thinking. La variante FP8 tient sur 8xH100.
Agents d'éditeur (Aider, Cline, Continue.dev, Roo Code) câblés sur /v1. Configuration compatible OpenAI sur tous. L'appel d'outils est le plus stable de tout modèle open, presque aucune logique de réessai nécessaire.
Open WebUI plus AnythingLLM en ligne. Bascule de réflexion hybride exposée par conversation via chat_template_kwargs.enable_thinking. Les espaces de travail isolent les ensembles de documents sensibles.
Qwen-Agent installé (pip install -U qwen-agent[gui,rag,code_interpreter,mcp]). Serveurs MCP câblés pour le système de fichiers, le temps, la récupération et vos API internes.
Workflows LangGraph pour la recherche en production. Trois workflows livrés : recherche approfondie, revue de code, intake client. Traçage LangSmith activé.
Autonomie de dépôt OpenHands démontrée contre trois vraies tâches. Taux de réussite attendu de classe SWE-bench d'environ 60% avec la base Instruct 235B.
Pack de preuves avec taux de réussite d'appel d'outils, chiffres de débit, vérifications ponctuelles de précision, runbook et inventaire des agents livré.
Prix fixe.
Confirmer le niveau matériel. Le Mac 128 Go est limite (IQ4_XS uniquement). Mac 256 Go+ ou multi-GPU est le vrai plancher. Benchmark de Thinking versus Non-Thinking sur la charge de travail réelle.
Service via vLLM avec FP8 (GPU) ou MLX avec Q4 (Mac). Câblage de l'API compatible OpenAI. Configuration de la bascule mode de réflexion par route ou par rôle utilisateur.
RAG avec les embeddings BGE-M3 multilingues, Qdrant. SSO, journaux d'audit, RBAC, télémétrie de routage d'experts pour la surveillance des coûts.
Test d'intrusion validé. Fichier NOTICE Apache 2.0 déposé. Bascule. Aucune chaîne d'attribution requise dans l'interface produit.
235B total, 22B actifs par token (MoE) Paramètres
Prix fixe.
Jour 1 vous voyez le modèle exact, le matériel exact, le stack d'agents exact, le calcul de coût exact et la posture de conformité exacte.
Oui. Apache 2.0, pas de plafond MAU, pas d'attribution requise dans le produit, pas de niveau payant. Vous pouvez affiner, redistribuer, intégrer dans des produits commerciaux et inclure dans des livrables clients sans contacter Alibaba. La seule obligation est de préserver le fichier NOTICE Apache 2.0 dans les distributions sources, ce qui est une tâche juridique d'une ligne.
Mac Studio M3 Ultra 256 Go en Q4_K_M est le chemin le moins cher viable, 15 à 22 tokens par seconde en décodage pour un seul utilisateur. Le Mac 128 Go nécessite IQ4_XS et manque de place au-delà d'un contexte de 40K. Pour la production multi-utilisateurs, visez 2x RTX Pro 6000 Blackwell 96GB ou un nœud 4x H200 avec FP8.
Le mode Thinking exécute une chaîne de pensée interne avant de répondre, plus lent mais plus fort sur les maths, le code et le raisonnement multi-étapes. Non-Thinking est une réponse directe, plus rapide, adaptée au chat, à la rédaction et aux appels d'outils. La variante Instruct 2507 est Non-Thinking par défaut. Routez les problèmes difficiles vers Thinking et les tâches courantes vers Non-Thinking et votre ratio tokens-par-dollar s'améliore de 3 à 5x.
DeepSeek V3.2 gagne sur le raisonnement le plus difficile et les maths de niveau IMO. Qwen3 235B gagne sur le plancher matériel (143 Go versus 376 Go en Q4), la couverture multilingue et la simplicité de service. Pour tout cabinet sans cluster 8x H100 dormant, Qwen3 235B est le choix pratique.
Le pipeline de post-formation de Qwen3 comprenait du RL sur 20+ tâches de domaine général spécifiquement pour renforcer les capacités d'agent, le suivi des instructions et le suivi du format. Le résultat est le taux d'hallucination d'appel d'outils le plus bas de tout modèle open dans les benchmarks 2026, et le template de chat encode nativement le format d'outil compatible OpenAI plus MCP. Dans les sprints Pineido, nous voyons notablement moins de bugs de boucle de réessai sur Qwen3 versus Llama ou Mistral.
Les deux. Pineido déploie Instruct-2507 comme endpoint par défaut car il est plus rapide et saute les tokens de réflexion. Nous déployons Thinking-2507 sur un second port pour les problèmes difficiles. Les deux modèles partagent l'architecture donc vLLM les sert côte à côte. Cline, Roo Code et Open WebUI peuvent router par tâche. La variante Thinking score environ 7 à 12 points de plus sur les benchmarks de raisonnement difficile mais est environ 3x plus lente par réponse.
ParKostadin StambolievFondateur et Imaginator
Pineido, basé à Strumica, North Macedonia, est une société de logiciels qui conçoit des sites web, des boutiques en ligne, des applications web et mobiles, de l’automatisation et de l’IA pour des entreprises d’ici et de l’étranger. Le travail est livré en sprints de 30 jours à prix fixe, et le code appartient au client.
Publié Mis à jour