Qwen: Qwen3.5-35B-A3B

Qwen3.5-35B-A3B ist ein Textgenerierungsmodell von Qwen, Teil der Qwen3.5 Series. Es ist ein natives Vision-Sprachmodell, das auf einer hybriden Architektur aufbaut, die lineare Attention-Mechanismen mit einem sparse Mixture-of-Experts-Design kombiniert, was laut Anbieter eine höhere Inferenzeffizienz erreicht. Das Modell wurde vom Anbieter am 2026-02-25 veröffentlicht und ist auf api14 in der Kategorie Text gelistet.

Das Modell akzeptiert Text-, Bild- und Videoeingaben und gibt Textausgaben zurück. Sein Kontextfenster beträgt 262144 Tokens, und die maximale Ausgabe beträgt 32768 Tokens. Da es Vision-Eingaben neben Text verarbeitet, kann es mit Material arbeiten, das Prosa und visuelle Inhalte mischt, statt nur mit Text. Das Reasoning-Verhalten wird über die unterstützten Parameter offengelegt, sodass Sie steuern können, ob Reasoning in der Antwort enthalten ist.

Die Kombination aus einem großen Kontextfenster und Bild- plus Videoeingabe deutet auf Anwendungsfälle hin wie das Zusammenfassen oder Extrahieren von Informationen aus langen Dokumenten mit Abbildungen, das Beantworten von Fragen zu Screenshots oder Diagrammen und die Verarbeitung von Videoinhalten in Textbeschreibungen oder strukturierte Notizen. Der lange Kontext eignet sich auch für Aufgaben, bei denen Sie umfangreiches Referenzmaterial im Prompt behalten müssen, etwa Multi-Dokument-Analysen oder längere Konversationen, die frühere Details bewahren müssen. Rein textbasierte Generierungsaufgaben, einschließlich strukturierter Extraktion und tool-gesteuerter Workflows, ergeben sich aus denselben Fähigkeiten.

Sie rufen das Modell über die OpenAI-kompatible API von api14 mit der Modell-ID "qwen/qwen3.5-35b-a3b" auf. Die unterstützten Anforderungsparameter sind frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs und top_p. Tool-Aufrufe und strukturierte Ausgaben sind über die Parameter tools, tool_choice, response_format und structured_outputs verfügbar, und die Sampling-Parameter können mit temperature, top_p, top_k, min_p und den Penalty-Parametern abgestimmt werden. Log-Wahrscheinlichkeitsdaten sind über logprobs und top_logprobs verfügbar, und mit seed können Sie reproduzierbares Sampling anfordern.

Das Modell gibt nur Text aus, daher liegen Aufgaben, die das Generieren von Bildern, Audio oder Video erfordern, außerhalb seines Umfangs. Seine maximale Ausgabe von 32768 Tokens ist eine Einschränkung, die Sie beachten sollten, wenn eine einzelne Antwort sehr lang sein muss, auch wenn der Eingabekontext viel größer ist. Wenn Ihre Arbeitslast rein textbasiert ist und nicht von Vision-Eingaben oder dem langen Kontext profitiert, könnte ein einfacheres Textmodell besser geeignet sein.