Qwen: Qwen3.5-35B-A3B

Qwen3.5-35B-A3B es un modelo de generación de texto de Qwen, parte de la Serie Qwen3.5. Es un modelo nativo de visión-lenguaje construido sobre una arquitectura híbrida que combina mecanismos de atención lineal con un diseño de mezcla dispersa de expertos, que el proveedor describe como capaz de lograr una mayor eficiencia de inferencia. El modelo fue lanzado por el proveedor el 2026-02-25 y está listado en api14 bajo la categoría de texto.

El modelo acepta entradas de texto, imagen y video y devuelve salida de texto. Su ventana de contexto es de 262144 tokens, y la salida máxima es de 32768 tokens. Debido a que maneja entradas de visión junto con texto, puede trabajar con material que mezcla prosa y contenido visual en lugar de solo texto. El comportamiento de razonamiento se expone a través de los parámetros soportados, por lo que puedes controlar si el razonamiento se incluye en la respuesta.

La combinación de una ventana de contexto grande y entrada de imagen más video apunta a casos de uso como resumir o extraer información de documentos largos que incluyen figuras, responder preguntas sobre capturas de pantalla o diagramas, y procesar contenido de video en descripciones de texto o notas estructuradas. El contexto largo también se adapta a tareas donde necesitas mantener un gran volumen de material de referencia en el prompt, como análisis de múltiples documentos o conversaciones extendidas que deben retener detalles anteriores. Las tareas de generación solo de texto, incluida la extracción estructurada y los flujos de trabajo impulsados por herramientas, se derivan de las mismas capacidades.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "qwen/qwen3.5-35b-a3b". Los parámetros de solicitud que soporta son 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 y top_p. El llamado a herramientas y las salidas estructuradas están disponibles a través de los parámetros tools, tool_choice, response_format y structured_outputs, y el muestreo se puede ajustar con temperature, top_p, top_k, min_p y los parámetros de penalización. Los datos de probabilidad logarítmica están disponibles a través de logprobs y top_logprobs, y seed te permite solicitar un muestreo reproducible.

El modelo produce solo texto, por lo que las tareas que requieren generar imágenes, audio o video quedan fuera de su alcance. Su salida máxima de 32768 tokens es una restricción a tener en cuenta cuando una sola respuesta necesita ser muy larga, aunque el contexto de entrada sea mucho mayor. Si tu carga de trabajo es puramente de texto y no se beneficia de la entrada de visión o del contexto largo, un modelo de texto más simple puede ser una mejor opción.