Rodzina multimodalnych modeli Qwen3.5 (Alibaba/Qwen Team) z architekturą MoE + Gated DeltaNet, od 0.8B do 397B-A17B, na licencji Apache 2.0.
✓ Aktywny✓ Publiczny dostęp⚖ Open sourceLLMModel multimodalnyModel rozumowaniaModel używający narzędzi📁 Qwen
Okno kontekstowe
262K (do ~1M)
tokenów
Parametry
397B / 17B aktywnych (flagowiec MoE); rodzina 0.8B–397B
parametrów
Data premiery
16 lutego 2026
Dostęp:DownloadAPIHostedWdrożenie:💻 Lokalnie☁ Cloud
Przegląd
Dostęp i wdrożenie
PobieranieAPIHostowane
LokalnieChmura
Wagi: Open source
Kluczowe parametry
📏 Kontekst: 262K (do ~1M)
🧩 Parametry: 397B / 17B aktywnych (flagowiec MoE); rodzina 0.8B–397B
✓ Narzędzia · ✓ Fine-tuning
📥 Wejście: tekst, obraz, wideo
Specyfikacja techniczna
Okno kontekstowe
262K (do ~1M)
tokenów
Parametry
397B / 17B aktywnych (flagowiec MoE); rodzina 0.8B–397B
parametrów
Licencja
Apache 2.0
Funkcje:✓ Używanie narzędzi✓ Fine-tuning
Modalności
⬇ Wejście (Input)
textimagevideo
⬆ Wyjście (Output)
textcode
Możliwości i zastosowania
Natywne możliwości modelu
Rozumowanie
Zdolność modelu do logicznego wnioskowania i rozwiązywania złożonych problemów.
Kategoria: reasoning
Rozszerzony tryb rozumowania
Wariant modelu rozumującego z dłuższym budżetem inferencji: więcej cykli myślenia, większa precyzja odpowiedzi kosztem czasu odpowiedzi. Wybór między 'standard' a 'extended' thinking pozostawiony użytkownikowi (np. selektor w GPT-5.2 Pro).
Kategoria: reasoning
Rozumienie multimodalne
Zdolność modelu do łączenia i interpretowania informacji z więcej niż jednej modalności, np. tekstu i obrazu.
Kategoria: multimodal
Rozumienie obrazu
Analiza i interpretacja treści obrazów.
Kategoria: vision
Rozumienie wideo
Zdolność modelu do analizy i interpretacji treści wideo — rozpoznawania akcji, ruchu, zdarzeń oraz relacji między obiektami w czasie.
Kategoria: video
Długi kontekst
Obsługa dużych okien kontekstowych — dziesiątek do setek tysięcy (lub milionów) tokenów wejścia. Umożliwia analizę całych baz kodu, długich dokumentów, wielu równolegle rozmów bez utraty wcześniejszych informacji. GPT-5.1 wspiera 400 000 tokenów.
Kategoria: language
Wielojęzyczność
Kompetencje w wielu językach naturalnych (od kilku do stu+): rozumienie, generowanie, tłumaczenie, code-switching w obrębie jednej rozmowy. Modele frontier obsługują szeroki wachlarz języków ze zbliżoną jakością.
Kategoria: language
Programowanie
Generowanie, analizowanie i modyfikowanie kodu w wielu językach programowania. Obejmuje pisanie funkcji, debugowanie, refaktoryzację, code review, tworzenie testów. Mierzone benchmarkami takimi jak HumanEval, SWE-bench.
Kategoria: coding
Użycie narzędzi
Zdolność modelu do wywoływania zewnętrznych funkcji, API i narzędzi w trakcie rozmowy: kalkulator, wyszukiwarka, edytor kodu, baza danych. Model decyduje kiedy i jak użyć narzędzia oraz interpretuje jego wynik.
Kategoria: planning
Przestrzeganie instrukcji
Precyzyjne wypełnianie wskazówek zawartych w prompcie: format odpowiedzi, długość, styl, ograniczenia (np. 'odpowiedz w sześciu słowach'). GPT-5.1 znacząco poprawił tę zdolność względem GPT-5.
Kategoria: language
Rozumowanie matematyczne
Zdolność modelu do rozwiązywania zadań matematycznych wymagających wieloetapowego rozumowania — równania, dowody, kombinatoryka, geometria, rachunek różniczkowy, zadania konkursowe.
Kategoria: reasoning
Zdolności agentowe
Zdolność modelu do autonomicznego planowania i wykonywania wieloetapowych zadań poprzez sekwencyjne użycie narzędzi, utrzymywanie kontekstu i adaptację do wyników pośrednich.
Kategoria: planning
Wyniki benchmarków
5 benchmarków
MMLU-Pro
87.8
📄 technical_report
Qwen3.5-397B-A17B (flagowiec)
GPQA
88.4
📄 technical_report
Qwen3.5-397B-A17B (flagowiec)
MathVision
88.6
📄 technical_report
Qwen3.5-397B-A17B (flagowiec)
SWE-bench Verified
76.4
📄 technical_report
Qwen3.5-397B-A17B (flagowiec)
MMMU
85.0
📄 technical_report
Qwen3.5-397B-A17B (flagowiec)
Architektura techniczna
Rdzeń architektury (Core Architecture)
Forma modelu (Model Form)
Techniki trenowania (Training Techniques)