Qwen: Qwen3.5-Flash

Qwen3.5-Flash è un modello di generazione di testo di Qwen, rilasciato con l'id modello qwen/qwen3.5-flash-02-23. Appartiene alla famiglia Flash nativa visione-linguaggio di Qwen3.5, che Qwen descrive come costruita su un'architettura ibrida che combina un meccanismo di attenzione lineare con un modello sparse mixture-of-experts, finalizzata a una maggiore efficienza di inferenza. Si colloca nella categoria testo su api14, e la data di rilascio del provider è 2026-02-25.

Il modello accetta testo, immagini e video come input, e produce testo come output. La sua finestra di contesto è di 1.000.000 di token, e l'output massimo è di 65.536 token. Poiché il lato input è multimodale, è possibile inviare prompt che mescolano istruzioni scritte con materiale visivo, incluse immagini statiche e video, e ricevere un'unica risposta testuale. La grande finestra di contesto significa che documenti lunghi, trascrizioni estese o prompt molto ricchi di contenuti multimediali possono essere gestiti in un'unica richiesta invece di essere suddivisi in molte chiamate.

Queste capacità indicano un insieme piuttosto ampio di usi pratici. Il lavoro testuale a contesto lungo, come riassumere documenti di grandi dimensioni, rispondere a domande su materiale di origine prolungato o estrarre dati strutturati da report, rientra naturalmente nella finestra da un milione di token. Gli input di visione e video estendono questo a compiti come descrivere o ragionare sulle immagini, esaminare filmati, estrarre informazioni da screenshot, o combinare prove visive con istruzioni scritte in un unico prompt. Il supporto al ragionamento e all'output strutturato lo rende inoltre adatto a flussi di lavoro in cui il modello deve elaborare un problema prima di restituire una risposta, o in cui la risposta deve conformarsi a uno schema che il tuo codice possa analizzare.

Puoi chiamare il modello tramite l'API compatibile con OpenAI di api14 usando l'id modello "qwen/qwen3.5-flash-02-23". I parametri di richiesta supportati sono frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k e top_p. La chiamata agli strumenti è disponibile tramite tools e tool_choice, le risposte strutturate tramite response_format e structured_outputs, e il comportamento di ragionamento può essere controllato con reasoning e include_reasoning. Il campionamento può essere regolato con temperature, top_p, top_k, frequency_penalty, presence_penalty e seed, mentre max_tokens e stop controllano la lunghezza e la terminazione dell'output.

Tieni presente il limite di output di 65.536 token quando pianifichi le risposte: una richiesta può trasportare un input molto grande, ma la risposta generata è limitata. Se il tuo compito dipende da modalità di output diverse dal testo, questo modello non le fornisce, poiché il testo è il suo unico tipo di output. Entro questi limiti, è una scelta ragionevole per carichi di lavoro testuali con input multimodale, contesto lungo e utilizzo di strumenti.