Qwen: Qwen3.5-35B-A3B

Qwen3.5-35B-A3B to model generowania tekstu od Qwen, część serii Qwen3.5. Jest to natywny model językowo-wizyjny zbudowany na hybrydowej architekturze, która łączy mechanizmy uwagi liniowej z rzadką konstrukcją mieszaniny ekspertów, co dostawca opisuje jako osiągnięcie wyższej wydajności wnioskowania. Model został udostępniony przez dostawcę 2026-02-25 i jest wymieniony w api14 w kategorii tekst.

Model przyjmuje dane wejściowe w postaci tekstu, obrazu i wideo, a zwraca dane wyjściowe w postaci tekstu. Jego okno kontekstowe wynosi 262144 tokenów, a maksymalne dane wyjściowe to 32768 tokenów. Ponieważ obsługuje dane wejściowe wizualne obok tekstu, może pracować z materiałem łączącym prozę i treści wizualne, a nie tylko z tekstem. Zachowanie rozumowania jest udostępniane przez obsługiwane parametry, więc możesz kontrolować, czy rozumowanie jest uwzględniane w odpowiedzi.

Połączenie dużego okna kontekstowego oraz danych wejściowych w postaci obrazu i wideo wskazuje na przypadki użycia, takie jak streszczanie lub wyodrębnianie informacji z długich dokumentów zawierających ilustracje, odpowiadanie na pytania dotyczące zrzutów ekranu lub diagramów oraz przetwarzanie treści wideo na opisy tekstowe lub uporządkowane notatki. Długi kontekst pasuje również do zadań, w których trzeba utrzymać duży zbiór materiałów referencyjnych w podpowiedzi, takich jak analiza wielu dokumentów lub rozszerzone rozmowy, które muszą zachować wcześniejsze szczegóły. Zadania generowania wyłącznie tekstu, w tym ustrukturyzowane wyodrębnianie i przepływy pracy oparte na narzędziach, wynikają z tych samych możliwości.

Model wywołujesz przez zgodne z OpenAI API api14, używając identyfikatora modelu "qwen/qwen3.5-35b-a3b". Obsługiwane parametry żądania to 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 i top_p. Wywoływanie narzędzi i ustrukturyzowane dane wyjściowe są dostępne przez parametry tools, tool_choice, response_format i structured_outputs, a próbkowanie można dostroić za pomocą temperature, top_p, top_k, min_p i parametrów kary. Dane o prawdopodobieństwie logarytmicznym są dostępne przez logprobs i top_logprobs, a seed pozwala żądać powtarzalnego próbkowania.

Model zwraca wyłącznie tekst, więc zadania wymagające generowania obrazów, dźwięku lub wideo są poza jego zakresem. Jego maksymalne dane wyjściowe wynoszące 32768 tokenów to ograniczenie, o którym należy pamiętać, gdy pojedyncza odpowiedź musi być bardzo długa, nawet jeśli kontekst wejściowy jest znacznie większy. Jeśli Twoje obciążenie jest wyłącznie tekstowe i nie korzysta z danych wejściowych wizualnych ani długiego kontekstu, prostszy model tekstowy może być lepszym wyborem.