Qwen3.5 397B A17B
Réseau Neuronal
Qwen3.5 397B A17B est le modèle visuel-langage natif d'Alibaba pour les tâches textuelles et l'analyse d'images via l'API Qwen.
Longueur maximale de la réponse
(en tokens)
Taille du contexte
(en tokens)
Coût du prompt
(par 1M tokens)
Coût de la réponse
(par 1M tokens)
Comment ça marche Qwen3.5 397B A17B?
Qwen3.5 397B A17B est un modèle visuel-langage natif de la série Qwen3.5 d'Alibaba : il traite nativement le texte et les images. Son architecture hybride combine un mécanisme d'attention linéaire avec un mélange d'experts clairsemé : sur 397 milliards de paramètres, environ 17 milliards sont activés par étape, rendant l'inférence plus efficace. Sur BotHub, il est accessible immédiatement sans VPN ni carte étrangère, avec paiement en roubles par carte russe et facturation à l'usage (jetons non expirables). Plus de 250 réseaux de neurones sont disponibles dans une seule fenêtre : comparez facilement vos requêtes entre plusieurs modèles. L'API compatible OpenAI permet de basculer entre eux sans réécrire l'intégration. Les données sont transmises avec le chiffrement AES-GCM. Les entreprises bénéficient de contrats, factures, gestion électronique de documents et d'un panneau d'administration avec limites. Idéal pour analyser des captures d'écran ou des schémas, convertir des photos de documents et tableaux en format structuré, déboguer du code via des logs, créer un service multimodal via API et automatiser des tâches répétitives.Questions fréquentes sur Qwen3.5 397B A17B
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.
C'est un modèle textuel Qwen avec un contexte de 256 000 jetons : il écrit et refactorise du code, analyse des erreurs, résout des problèmes de mathématiques et de logique, et traite de longs documents et images en entrée. Adapté à l'analyse, au travail sur le code source et aux scénarios d'agents avec appel de fonctions.
La limite par réponse est de 235 929 jetons, pour un contexte total de 256 000. Cela suffit pour générer un grand module de code, une analyse détaillée ou un document volumineux sans diviser la tâche. N'oubliez pas : une sortie longue consomme plus de jetons, facturés à l'usage.
Oui, le raisonnement avant réponse est confirmé : le modèle construit d'abord une chaîne d'étapes, puis formule le résultat. Cela aide considérablement en mathématiques, logique, débogage de code et pour les tâches où le cheminement est aussi important que le résultat.
Oui. Le modèle prend en charge l'appel de fonctions et la sortie structurée en JSON, ce qui permet de l'intégrer dans des pipelines d'agents et de le connecter à des services externes. Sur BotHub, il est disponible via une API compatible OpenAI : pas besoin de réécrire l'intégration lors d'un changement de modèle.
Selon nos données, les images et documents sont acceptés en entrée : vous pouvez envoyer une capture d'écran, un schéma, un graphique ou un PDF pour analyse. La prise en charge de l'audio et de la vidéo n'est pas indiquée, il est donc préférable de choisir un modèle spécialisé dans la même fenêtre pour ces fichiers.
Nous ne mesurons pas spécifiquement les capacités linguistiques du modèle, nous ne donnerons donc pas d'évaluation précise — testez-le sur votre tâche : l'interface BotHub est en russe, l'accès fonctionne depuis la Russie sans VPN ni carte étrangère, et le paiement s'effectue avec des cartes russes. Si le résultat ne vous convient pas, passez à un autre modèle dans la même fenêtre.