What does 'thinking' mean for this model?

It means the model pauses to reason through the problem internally before producing its final answer, which often improves accuracy on complex tasks.

Is it good for creative writing?

Yes, it handles stories, poems, scripts, and marketing copy, with a slightly more measured tone than fast chat models.

Should I fact-check its output?

Yes — always review important facts, numbers, and citations before relying on them in real work.

Voltar ao catálogo

Texto

qwen

Equilibrado

Qwen Plus 0728 (thinking)

Modelo de pensamento Qwen Plus para raciocínio mais profundo e respostas claras

Sobre este modelo

Qwen Plus 0728 (thinking) é um modelo baseado em texto projetado para pausar e raciocinar sobre tarefas complexas antes de responder. Ele se destaca em prompts que se beneficiam de pensamento estruturado — matemática de múltiplas etapas, quebra-cabeças lógicos, depuração de código, edição cuidadosa e tarefas de planejamento onde uma resposta apressada erraria o alvo. Você notará que ele considera trade-offs, pesa opções e explica seu raciocínio ao longo do caminho.

Por ser um modelo de linguagem de propósito geral, ele também lida com escrita cotidiana, sumarização, tradução e trabalho criativo com um tom calmo e medido. Usuários que desejam um copiloto mais 'deliberado' — que não tira conclusões precipitadas — tendem a gostar mais da variante de pensamento.

Ele funciona melhor quando você dá instruções claras, exemplos ou um formato desejado. Como todos os modelos de linguagem, ocasionalmente pode produzir erros com aparência de confiança, então trate sua saída como um rascunho forte a ser revisado, não como uma autoridade final.

Melhores casos de uso

Resolução de problemas de matemática e lógica passo a passo
Depuração e refatoração de código
Redação e edição de textos longos
Planejamento de projetos, viagens ou fluxos de trabalho
Comparação de opções e ponderação de prós e contras

Pontos fortes

Raciocínio visível

Ele trabalha os problemas em voz alta, facilitando o acompanhamento e a confiança na resposta final.

Escrita geral forte

Ele produz prosa clara e bem estruturada para e-mails, ensaios, relatórios e trabalhos criativos.

Útil com código

Ele explica, escreve e depura código em muitas linguagens populares com comentários úteis.

Dicas

Peça para 'pensar passo a passo' ou 'mostrar seu raciocínio' para problemas mais difíceis.
Dê um formato desejado, como uma tabela, lista com marcadores ou JSON, para evitar limpeza extra.
Se a resposta for muito longa, acompanhe com 'resuma em três marcadores.'
Cole contexto ou exemplos relevantes para ajustar o estilo e a precisão.

Limitações

Pode ser mais lento que modelos não pensantes porque raciocina antes de responder.
Pode ainda produzir fatos incorretos com confiança sobre tópicos específicos ou muito recentes.
Traços de pensamento longos podem às vezes enterrar a resposta final; você pode precisar pedir um resumo conciso.

Exemplos de geração

Exemplo em breve

Esboço de um curta-metragem

Esboce um curta-metragem de 10 minutos sobre um faroleiro que descobre que a luz está guiando algo vivo há séculos. Inclua uma logline, estrutura de três atos e um momento visual marcante por ato.

Exemplo em breve

Compare três carreiras de programação

Compare o trabalho diário, faixa salarial típica, habilidades necessárias e perspectivas futuras para engenheiros de backend, machine learning e aplicativos móveis em 2025. Apresente a comparação como uma tabela limpa seguida por uma breve recomendação.

Exemplo em breve

Explique uma ideia difícil de forma simples

Explique como os transformers em IA funcionam para um esperto de 12 anos. Use uma analogia, um pequeno diagrama descrito em palavras e termine com uma pergunta para verificar a compreensão.

Prompts de exemplo

Planeje uma viagem de fim de semana

Planeje uma viagem de fim de semana de 3 dias para Kyoto em novembro para dois adultos que amam comida e templos tranquilos. Inclua um cronograma diário, orçamento em USD e lista de bagagem.

Depure uma função Python

Esta função Python deve mesclar duas listas ordenadas, mas retorna duplicatas. Encontre o bug, corrija-o e explique o que estava errado. def merge(a, b): result = [] i = j = 0 while i < len(a) and j < len(b): if a[i] <= b[j]: result.append(a[i]); i += 1 else: result.append(b[j]); j += 1 return result

Reescreva um e-mail formal

Reescreva este e-mail para que soe caloroso, mas profissional, e adicione uma chamada para ação clara no final: 'Conforme nossa correspondência anterior, exigimos sua confirmação imediata em relação às entregas mencionadas. A falta de resposta resultará em escalação.'

Parâmetros

seed

Um número que torna a saída reproduzível — a mesma semente com o mesmo prompt dá a mesma resposta.

stop

Uma frase personalizada que diz ao modelo para parar de gerar quando aparecer, útil para cortar listas ou seções.

top_p

Limita as escolhas de palavras às opções mais prováveis — valores mais baixos mantêm as respostas mais concisas e no tópico.

max_tokens

O comprimento máximo da resposta — defina mais alto para saídas longas como ensaios, mais baixo para respostas rápidas.

temperature

O quão criativa ou aleatória é a resposta — valores baixos são focados e previsíveis, valores altos são mais variados e surpreendentes.

Preços

Preço sob consulta

Os preços exibidos são o que você paga na Muitto. Sem surpresas.

Perguntas frequentes

O que significa 'thinking' para este modelo?

Significa que o modelo pausa para raciocinar sobre o problema internamente antes de produzir sua resposta final, o que geralmente melhora a precisão em tarefas complexas.

É bom para escrita criativa?

Sim, ele lida com histórias, poemas, roteiros e textos de marketing, com um tom ligeiramente mais medido do que modelos de chat rápidos.

Devo verificar os fatos de sua saída?

Sim — sempre revise fatos importantes, números e citações antes de confiar neles em trabalhos reais.