Qwen3.5 35B A3B
Réseau Neuronal
Qwen3.5 35B A3B est un modèle visuel-langage natif Qwen avec une architecture MoE pour les tâches textuelles et visuelles.
Caractéristiques
- Entrée
- texte, images, documents
- Sortie
- texte
- Taille du contexte
- 262 144 tokens
- Longueur maximale de la réponse
- 81 920 tokens
- Niveaux de raisonnement
- faible, moyen, élevé
- Fonctionnalités
- raisonnement, appel de fonctions
Coût du prompt
(par 1M tokens)
Coût de la réponse
(par 1M tokens)
Comment ça marche Qwen3.5 35B A3B?
Qwen3.5 35B A3B est un modèle visuel-langage natif de la série Qwen3.5 : il a été entraîné dès le départ pour traiter à la fois le texte et les images, sans ajout ultérieur de vision. Il repose sur une architecture hybride combinant attention linéaire et mélange épars d'experts (MoE) : sur 35 milliards de paramètres, environ 3 milliards sont activés par requête, rendant l'inférence plus efficace. Sur BotHub, le modèle est accessible sans VPN ni carte étrangère, avec un paiement en roubles par carte russe, uniquement à l'usage (jetons non expirables). Plus de 250 réseaux de neurones sont disponibles dans la même fenêtre pour comparer les réponses de Qwen3.5 35B A3B. L'API compatible OpenAI permet de changer de modèle sans réécrire l'intégration. Les échanges sont chiffrés via AES-GCM. Pour les entreprises, nous proposons contrats, factures, EDI et panneau d'administration avec limites. Cas d'usage : analyse de captures d'écran, schémas et documents, écriture et refactorisation de code, raisonnement sur des tâches STEM, traitement de flux de requêtes et prototypage de services multimodaux via API.Questions fréquentes sur Qwen3.5 35B A3B
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
qwen3.5-35b-a3b accepte du texte, des documents et des images, sait raisonner avant de répondre et appeler des fonctions. Il est adapté au travail sur le code (écriture, refactorisation, débogage), à l'analyse de fichiers longs, aux tâches STEM et à l'intégration dans des services via l'API BotHub.
La limite par réponse est de 65 536 jetons, et la fenêtre de contexte totale est de 262 144 jetons. Cela suffit pour une analyse volumineuse, une longue documentation ou un gros fichier de code entier, sans découpage manuel.
Oui, le mode de raisonnement est confirmé : le modèle peut décomposer une tâche en étapes avant de donner le résultat. C'est visible en mathématiques, logique, débogage de code et instructions complexes, où une réponse précise prime sur la vitesse.
Oui, le modèle prend en charge l'appel de fonctions et la sortie JSON structurée. Vous pouvez le connecter à vos outils et bases de données via l'API BotHub compatible OpenAI, et changer de modèle si nécessaire sans réécrire l'intégration.
Le modèle accepte les images et les documents (captures d'écran, schémas, tableaux, PDF). L'audio et la vidéo ne sont pas mentionnés dans nos données, il est donc préférable de tester ces formats directement dans l'interface BotHub.
Nos données ne précisent pas les performances par langue, il est donc préférable de tester sur votre propre tâche. Sur BotHub, vous accédez au modèle sans VPN ni carte étrangère, payez en roubles à l'usage et comparez les réponses avec d'autres modèles.