Alibaba
Qwen3.5 27B
Qwen3.5 27B, нативная плотная визуально-языковая модель, оптимизированная для быстрых ответов при балансе качества и скорости вывода.
- Вход
- 10,71 ₽
- Выход
- 85,68 ₽
- Кэш
- 10,71 ₽
- Интеллект
- 19,4
- Доступность
- 99,5%
alibaba/qwen3.5-27bДанные каталога получены .
Цена
- Текстовый диалог · вход
- 10,71 ₽ / 1 млн токенов
- Текстовый диалог · выход
- 85,68 ₽ / 1 млн токенов
- Текстовый диалог · вход из кэша
- 10,71 ₽ / 1 млн токенов
Цена указана в рублях для выбранной операции и её параметров.
Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.
О модели
Qwen3.5 27B — нативная плотная визуально-языковая модель. Оптимизирована для быстрых ответов, при этом обеспечивает баланс между качеством и скоростью вывода.
- Релиз
Характеристики
- 7 октября: 100%100%7 октября
- 8 октября: 100%100%8 октября
- 9 октября: 98,4%98,4%9 октября
- Тип модели
- Текст
- Вход модели
- Текст, Изображения, Видео
Данные, которые модель принимает вместе с запросом.
- Выход модели
- Текст
Форматы результата, которые создаёт модель.
- Контекстное окно
- 260 096 токенов
Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
- Максимальный ответ
- 65 536 токенов
Максимальный размер ответа по данным каталога. Фактический предел запроса зависит от подключённой операции.
- Операции
- Текстовый диалог, Понимание изображений
- Возможности модели
- Потоковый ответ, Понимание изображений, Рассуждения, Вызов инструментов, Вызов функций, Структурированный ответ, Ответ в JSON, Входные изображения, Входное видео
Контрольные показатели
Artificial Analysis
11 показателей · проверено
- Индекс интеллекта
- 19,4 индексСводная оценка Artificial Analysis по всем её тестам
Рассуждение по документу
- AA-LCR v1.164 %
Рассуждение на длинном контексте с обновлённой оценкой
Устаревшие тесты
- AA-LCR (версия не указана, архивный)64 %
Оценка рассуждений на длинном контексте
- GPQA Diamond (архивный)84,2 %
Научные рассуждения уровня выпускника
Знания
- AA-Omniscience · точность15,7 %
Доля вопросов с правильным ответом
Знание
- AA-Omniscience · доля выдуманных ответов (меньше лучше)75,1 %
Доля неверных ответов среди некорректных ответов
Рассуждение
- CritPt0,3 %
Рассуждения по физике исследовательского уровня
- IFBench46,9 %
Тест на следование инструкциям
Рассуждения
- HLE13,9 %
Humanity’s Last Exam — вопросы экспертного уровня
Агентная работа
- T²-Bench Telecom (архивный)87,1 %
Устаревший резервный вариант · Разговорные ИИ-агенты в сценариях с двойным управлением
Программирование
- Terminal-Bench Hard (архивный)31,8 %
Устаревший резервный вариант · Агентное программирование и работа в терминале
Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.
API-запрос
Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.
import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener
class NoRedirect(HTTPRedirectHandler):
def redirect_request(self, req, fp, code, msg, headers, newurl):
return None
opener = build_opener(NoRedirect)
def post(url, payload):
request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
"Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
"Content-Type": "application/json",
"Idempotency-Key": os.environ["REQUEST_ID"],
}, method="POST")
with opener.open(request, timeout=120) as response:
return json.load(response)
payload = {
"model": "alibaba/qwen3.5-27b",
"messages": [
{
"role": "user",
"content": "Объясни задачу кратко."
}
]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))





