Qwen: Qwen3.5-Flash

Qwen3.5-Flash adalah model generasi teks dari Qwen, dirilis dengan model id qwen/qwen3.5-flash-02-23. Model ini termasuk dalam keluarga Flash vision-language native Qwen3.5, yang menurut Qwen dibangun di atas arsitektur hybrid yang menggabungkan mekanisme linear attention dengan model sparse mixture-of-experts, yang ditujukan untuk efisiensi inferensi yang lebih tinggi. Model ini berada dalam kategori teks di api14, dan tanggal rilis penyedia adalah 2026-02-25.

Model ini menerima teks, gambar dan video sebagai input, dan menghasilkan teks sebagai output. Jendela konteksnya adalah 1.000.000 token, dan output maksimum adalah 65.536 token. Karena sisi input bersifat multimodal, Anda dapat mengirim prompt yang mencampur instruksi tertulis dengan materi visual, termasuk gambar diam dan video, dan menerima satu respons teks. Jendela konteks yang besar berarti dokumen panjang, transkrip yang diperpanjang atau prompt berat media yang panjang dapat ditangani dalam satu permintaan alih-alih dipecah menjadi banyak panggilan.

Kemampuan tersebut mengarah pada serangkaian penggunaan praktis yang cukup luas. Pekerjaan teks dengan konteks panjang seperti meringkas dokumen besar, menjawab pertanyaan atas materi sumber yang panjang atau mengekstrak data terstruktur dari laporan secara alami cocok dalam jendela satu juta token. Input visi dan video memperluas ini ke tugas seperti mendeskripsikan atau menalar tentang gambar, meninjau rekaman, menarik informasi dari tangkapan layar, atau menggabungkan bukti visual dengan instruksi tertulis dalam satu prompt. Dukungan penalaran dan output terstruktur juga membuatnya cocok untuk alur kerja di mana model perlu memikirkan suatu masalah sebelum mengembalikan jawaban, atau di mana respons harus sesuai dengan skema yang dapat diurai oleh kode Anda.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "qwen/qwen3.5-flash-02-23". Parameter permintaan yang didukung adalah frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k dan top_p. Pemanggilan alat tersedia melalui tools dan tool_choice, respons terstruktur melalui response_format dan structured_outputs, dan perilaku penalaran dapat dikendalikan dengan reasoning dan include_reasoning. Pengambilan sampel dapat disetel dengan temperature, top_p, top_k, frequency_penalty, presence_penalty dan seed, sedangkan max_tokens dan stop mengontrol panjang dan penghentian output.

Ingatlah batas output 65.536 token saat merencanakan respons: sebuah permintaan dapat membawa input yang sangat besar, tetapi jawaban yang dihasilkan dibatasi. Jika tugas Anda bergantung pada modalitas output selain teks, model ini tidak menyediakannya, karena teks adalah satu-satunya jenis outputnya. Dalam batasan tersebut, model ini adalah pilihan yang wajar untuk beban kerja teks dengan input multimodal, konteks panjang dan penggunaan alat.