Qwen: Qwen3.5-35B-A3B

Qwen3.5-35B-A3B est un modèle de génération de texte de Qwen, faisant partie de la série Qwen3.5. C'est un modèle vision-langage natif construit sur une architecture hybride qui combine des mécanismes d'attention linéaire avec une conception de mélange d'experts clairsemé, ce que le fournisseur décrit comme permettant d'obtenir une efficacité d'inférence plus élevée. Le modèle a été publié par le fournisseur le 2026-02-25 et est répertorié sur api14 dans la catégorie texte.

Le modèle accepte des entrées texte, image et vidéo et renvoie une sortie texte. Sa fenêtre de contexte est de 262144 tokens, et la sortie maximale est de 32768 tokens. Comme il traite les entrées visuelles en plus du texte, il peut travailler avec du contenu qui mélange de la prose et du contenu visuel plutôt que du texte seul. Le comportement de raisonnement est exposé via les paramètres pris en charge, ce qui vous permet de contrôler si le raisonnement est inclus dans la réponse.

La combinaison d'une grande fenêtre de contexte et d'une entrée image plus vidéo oriente vers des cas d'usage tels que le résumé ou l'extraction d'informations à partir de longs documents contenant des figures, la réponse à des questions sur des captures d'écran ou des diagrammes, et le traitement de contenu vidéo en descriptions textuelles ou en notes structurées. Le contexte long convient également aux tâches où vous devez conserver un grand volume de matériel de référence dans le prompt, comme l'analyse multi-documents ou des conversations étendues qui doivent retenir des détails antérieurs. Les tâches de génération purement textuelles, y compris l'extraction structurée et les workflows pilotés par outils, découlent des mêmes capacités.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "qwen/qwen3.5-35b-a3b". Les paramètres de requête qu'il prend en charge sont 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 et top_p. L'appel d'outils et les sorties structurées sont disponibles via les paramètres tools, tool_choice, response_format et structured_outputs, et l'échantillonnage peut être ajusté avec temperature, top_p, top_k, min_p et les paramètres de pénalité. Les données de probabilité logarithmique sont disponibles via logprobs et top_logprobs, et seed vous permet de demander un échantillonnage reproductible.

Le modèle produit uniquement du texte, donc les tâches qui nécessitent de générer des images, de l'audio ou de la vidéo sortent de son périmètre. Sa sortie maximale de 32768 tokens est une contrainte à garder à l'esprit lorsqu'une réponse unique doit être très longue, même si le contexte d'entrée est bien plus grand. Si votre charge de travail est purement textuelle et ne bénéficie pas d'une entrée visuelle ou du contexte long, un modèle textuel plus simple peut être plus adapté.