qwen
Qwen: Qwen3.5-35B-A3B
qwen/qwen3.5-35b-a3b
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
qwen/qwen3.5-35b-a3b es el modelo visión-lenguaje post-entrenado de Qwen, con 35B de parámetros totales y 3B activados, que usa una arquitectura híbrida que combina atención lineal Gated DeltaNet, atención con compuertas y una mezcla dispersa de expertos para lograr inferencia eficiente, según su ficha técnica. Acepta texto, imagen y video como entrada y produce texto, con un contexto nativo de 262.144 tokens que la ficha indica que puede ampliarse hasta cerca de un millón. La ficha afirma compatibilidad con 201 idiomas y dialectos. Los pesos se distribuyen bajo Apache-2.0 y se describen como compatibles con Transformers, vLLM, SGLang y KTransformers.[1][2]
Puntos fuertes
- Activación dispersa de unos 3B de 35B parámetros mediante un diseño híbrido de atención lineal y mezcla de expertos, que la ficha presenta como de alto rendimiento y baja latencia en inferencia.[2]
- Entrada multimodal nativa que cubre texto, imagen y video según el catálogo de OpenRouter, junto con un contexto nativo de 262.144 tokens que la ficha indica como ampliable a unos 1.010.000 tokens.[1][2]
- Amplia superficie de despliegue: pesos abiertos bajo Apache-2.0, compatibilidad declarada con Transformers, vLLM, SGLang y KTransformers, y soporte de API para herramientas, salidas estructuradas y controles de razonamiento opcionales.[1][2]
Limitaciones
- Los resultados de benchmarks reportados provienen de tablas del propio proveedor y no han sido verificados de forma independiente en este paquete de fuentes; el índice de código de terceros de OpenRouter existe, pero sus índices agéntico y de inteligencia están vacíos.[1][2]
- La fecha de corte de conocimiento, los requisitos de hardware y el comportamiento detallado con video no se especifican en la evidencia aportada, por lo que conviene validar el rendimiento real en cada carga de trabajo antes de adoptarlo.[1][2]
Dónde utilizarlo
- Asistentes de documentos de contexto largo o multimodales donde sean útiles una ventana de contexto de clase 262K y la ingesta de imagen/video, sujeto a validación de la carga de trabajo.[1][2]
- Despliegues autoalojados o con servicio propio mediante vLLM o SGLang para equipos que buscan un modelo de pesos abiertos con llamada de herramientas e inferencia dispersa consciente del costo.[1][2]
Fuentes
- [1] OpenRouter catalog · Qwen: Qwen3.5-35B-A3BFuentes consultadas: 13 nov 2026
- [2] Model documentation · Qwen: Qwen3.5-35B-A3BFuentes 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 Series 35B-A3B is a native vision-language model designed with a hybrid architecture that integrates linear attention mechanisms and a sparse mixture-of-experts model, achieving higher inference efficiency. Its overall...
Especificaciones
- ID del modelo
- qwen/qwen3.5-35b-a3b
- ID canónico
- qwen/qwen3.5-35b-a3b-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 $0.140 / salida $1
- 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 | CC — por debajo de la franja B | — |
| 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
| Fuente | Benchmark | Valor | Nota | Datos obtenidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 37 | CC — por debajo de la franja B | 13.11.2026 |
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) |
|---|---|---|---|---|---|---|
| Darkbloomfp4 | 262,144 | $0.065 | $0.750 | — | — | 100% |
| DeepInfrafp8 | 262,144 | $0.140 | $1 | — | — | 100% |
| Parasailfp8 | 262,144 | $0.150 | $1 | — | — | 100% |
| Venice | 256,000 | $0.150 | $1 | — | — | 100% |
| Alibaba | 262,144 | $0.163 | $1.3 | — | — | 100% |
| AtlasCloudfp8 | 262,144 | $0.225 | $1.8 | — | — | — |
| SiliconFlowfp8 | 262,144 | $0.240 | $1.8 | — | — | — |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.