qwen
Qwen: Qwen3.5-27B
qwen/qwen3.5-27b
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
qwen/qwen3.5-27b es un modelo post-entrenado de visión y lenguaje que OpenRouter presenta como compatible con entradas de texto, imagen y video, y con salidas de texto. La descripción del catálogo lo denomina denso, mientras que la documentación del modelo detalla bloques de atención lineal Gated DeltaNet junto con atención regulada y un contexto nativo amplio que puede ampliarse aún más. Los resultados publicados por el proveedor abarcan conocimiento, seguimiento de instrucciones, razonamiento de contexto largo, STEM y programación, pero son autodeclarados y no una verificación independiente.[1][2]
Puntos fuertes
- Acepta entradas de texto, imagen y video y devuelve texto, según el catálogo de OpenRouter; la documentación del modelo lo identifica como un modelo post-entrenado de visión y lenguaje.[1][2]
- Su diseño híbrido combina bloques de atención lineal Gated DeltaNet con atención regulada, y su contexto amplio documentado puede ampliarse más allá de la ventana nativa.[2]
- La documentación indica compatibilidad con Hugging Face Transformers, vLLM, SGLang y KTransformers, mientras que el catálogo expone herramientas, salidas estructuradas y controles comunes de muestreo.[1][2]
Limitaciones
- La única evidencia de rendimiento proporcionada es publicada por el proveedor; los campos de benchmarks del catálogo de OpenRouter están vacíos, por lo que sigue siendo necesaria una validación específica de la carga de trabajo.[1][2]
- La entrada de video aparece en la lista de modalidades de OpenRouter, pero la ficha del modelo suministrada usa una etiqueta de pipeline de imagen y texto a texto; confirme la compatibilidad con video en la ruta de servicio prevista.[1][2]
- Las fuentes no especifican una fecha de corte de conocimiento, requisitos de hardware ni la configuración necesaria para el contexto ampliado; la ausencia de estos campos es una laguna de evidencia, no una prueba de limitación.[1][2]
Dónde utilizarlo
- Asistentes multimodales que conviertan imágenes o video admitido por el catálogo en texto, tras confirmar el pipeline de video del proveedor.[1][2]
- Resumen, recuperación o revisión de documentos largos en los que el contexto ampliado pueda reducir la fragmentación, con validación en las longitudes objetivo.[2]
- Flujos de trabajo que usen herramientas o salidas estructuradas, porque la ficha de la API expone esos controles; la fiabilidad de los agentes aún requiere pruebas a nivel de tarea.[1]
Fuentes
- [1] OpenRouter catalog · Qwen: Qwen3.5-27BFuentes consultadas: 13 nov 2026
- [2] Model documentation · Qwen: Qwen3.5-27BFuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
The Qwen3.5 27B native vision-language Dense model incorporates a linear attention mechanism, delivering fast response times while balancing inference speed and performance. Its overall capabilities are comparable to those of...
Especificaciones
- ID del modelo
- qwen/qwen3.5-27b
- ID canónico
- qwen/qwen3.5-27b-20260224
- Creador
- qwen
- Añadido a OpenRouter
- 25.02.2026
- Longitud de contexto
- 262,144
- Modalidad
- text+image+video->text
- Modalidades de entrada
- text, image, video
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.260 / salida $2.6
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | razonamiento: opcional · parámetros: include_reasoning, reasoning |
| Programación | Sin medición | — |
| Agentes | Sin medición | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: opcional · parámetros: include_reasoning, reasoning |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | entrada: image |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | entrada: video |
| Embeddings | Sin medición | — |
Evaluaciones
No hay evaluaciones aportadas para este modelo.
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| Alibaba | 262,144 | $0.195 | $1.56 | — | — | 100% |
| Chutesfp8 | 262,144 | $0.200 | $1.75 | — | — | 88.89% |
| SiliconFlowfp8 | 262,144 | $0.250 | $2 | — | — | 100% |
| DeepInfrafp8 | 262,144 | $0.260 | $2.6 | — | — | 100% |
| AtlasCloudfp8 | 262,144 | $0.270 | $2.16 | — | — | 100% |
| Novitabf16 | 262,144 | $0.300 | $2.4 | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.