Qwen: Qwen3.5-Flash

Qwen3.5-Flash es un modelo de generación de texto de Qwen, publicado bajo el id de modelo qwen/qwen3.5-flash-02-23. Pertenece a la familia Flash nativa de visión-lenguaje de Qwen3.5, que Qwen describe como construida sobre una arquitectura híbrida que combina un mecanismo de atención lineal con un modelo de mezcla de expertos dispersa, orientada a una mayor eficiencia de inferencia. Se sitúa en la categoría de texto en api14, y la fecha de publicación del proveedor es 2026-02-25.

El modelo acepta texto, imágenes y vídeo como entrada, y produce texto como salida. Su ventana de contexto es de 1.000.000 de tokens, y la salida máxima es de 65.536 tokens. Dado que el lado de entrada es multimodal, puedes enviar prompts que mezclen instrucciones escritas con material visual, incluidas imágenes fijas y vídeo, y recibir una única respuesta de texto. La gran ventana de contexto significa que documentos largos, transcripciones extensas o prompts largos con mucho contenido multimedia pueden manejarse en una sola solicitud en lugar de dividirse en muchas llamadas.

Esas capacidades apuntan a un conjunto bastante amplio de usos prácticos. El trabajo de texto con contexto largo, como resumir documentos grandes, responder preguntas sobre material de origen extenso o extraer datos estructurados de informes, encaja de forma natural dentro de la ventana de un millón de tokens. Las entradas de visión y vídeo amplían esto a tareas como describir o razonar sobre imágenes, revisar metraje, extraer información de capturas de pantalla, o combinar evidencia visual con instrucciones escritas en un solo prompt. El soporte de razonamiento y salida estructurada también lo hace adecuado para flujos de trabajo en los que el modelo necesita trabajar en un problema antes de devolver una respuesta, o en los que la respuesta debe ajustarse a un esquema que tu código pueda analizar.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "qwen/qwen3.5-flash-02-23". Los parámetros de solicitud admitidos son frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k y top_p. El llamamiento a herramientas está disponible mediante tools y tool_choice, las respuestas estructuradas mediante response_format y structured_outputs, y el comportamiento de razonamiento puede controlarse con reasoning e include_reasoning. El muestreo puede ajustarse con temperature, top_p, top_k, frequency_penalty, presence_penalty y seed, mientras que max_tokens y stop controlan la longitud y la terminación de la salida.

Ten en cuenta el límite de salida de 65.536 tokens al planificar respuestas: una solicitud puede llevar una entrada muy grande, pero la respuesta generada está acotada. Si tu tarea depende de otras modalidades de salida distintas del texto, este modelo no las proporciona, ya que el texto es su único tipo de salida. Dentro de esos límites, es una elección razonable para cargas de trabajo de texto con entrada multimodal, contexto largo y uso de herramientas.