qwen
Qwen: Qwen3.5-9B
qwen/qwen3.5-9b
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
qwen/qwen3.5-9b es el modelo Qwen3.5 9B post-entrenado, ofrecido en OpenRouter como un modelo de salida de texto que acepta entrada de texto, imagen y video. Su ficha de Hugging Face describe un diseño unificado de visión-lenguaje, una arquitectura híbrida de Gated DeltaNet y atención con compuertas, soporte nativo de contexto largo con una opción de extensión mucho mayor y amplia cobertura multilingüe. Qwen reporta resultados de benchmarks en conocimiento, seguimiento de instrucciones, contexto largo, razonamiento, codificación y tareas de agentes, mientras OpenRouter enumera parámetros de herramientas, salidas estructuradas y razonamiento. Estas cifras y afirmaciones aún requieren validación específica por carga de trabajo.[1][2]
Puntos fuertes
- Acepta entrada de texto, imagen y video y produce texto, según la lista de modalidades de OpenRouter.[1][2]
- La ficha del modelo reporta soporte nativo de contexto largo con opción de ampliarlo, además de compatibilidad con Transformers, vLLM, SGLang y KTransformers.[2]
- Las tablas de benchmarks publicadas por el proveedor cubren conocimiento, instrucciones, contexto largo, razonamiento, codificación y tareas agénticas; OpenRouter expone herramientas, elección de herramientas, salidas estructuradas y controles de razonamiento.[1][2]
Limitaciones
- La evidencia se limita a una entrada de catálogo y una ficha del proveedor; los campos agregados de benchmarks de OpenRouter son escasos o están parcialmente vacíos.[1][2]
- OpenRouter no especifica corte de conocimiento, valores predeterminados de razonamiento ni niveles de esfuerzo admitidos, y lista texto como única modalidad de salida.[1]
- Las afirmaciones del proveedor sobre eficiencia, paridad y rendimiento en benchmarks no están verificadas de forma independiente aquí y pueden variar según prompts, idiomas y stacks de despliegue.[2]
Dónde utilizarlo
- Posible opción para asistentes que deban interpretar capturas, documentos con imágenes o fotogramas de video y devolver texto, sujeto a pruebas a nivel de aplicación.[1][2]
- Conviene evaluarlo para chat multilingüe, recuperación o análisis de documentos cuando se necesitan contexto largo y llamadas a herramientas.[1][2]
- Podría prototiparse para flujos de codificación o agentes porque los resultados del proveedor y los parámetros de herramientas apuntan en esa dirección, pero el soporte agéntico debe verificarse.[1][2]
Fuentes
- [1] OpenRouter catalog · Qwen: Qwen3.5-9BFuentes consultadas: 13 nov 2026
- [2] Model documentation · Qwen: Qwen3.5-9BFuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
Qwen3.5-9B is a multimodal foundation model from the Qwen3.5 family, designed to deliver strong reasoning, coding, and visual understanding in an efficient 9B-parameter architecture. It uses a unified vision-language design...
Especificaciones
- ID del modelo
- qwen/qwen3.5-9b
- ID canónico
- qwen/qwen3.5-9b-20260310
- Creador
- qwen
- Añadido a OpenRouter
- 10.03.2026
- 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 $0.067 / salida $0.099
- 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 | CC — por debajo de la franja B | 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 | 28.7 | CC — por debajo de la franja B | 13.11.2026 |
| Artificial Analysis | Agentic index | 1.2 | 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) |
|---|---|---|---|---|---|---|
| PrimeIntellectbf16 | 262,144 | $0.068 | $0.100 | — | — | 100% |
| Darkbloomfp4 | 262,144 | $0.080 | $0.130 | — | — | 100% |
| SiliconFlowfp8 | 262,144 | $0.100 | $0.150 | — | — | 100% |
| DeepInfrabf16 | 262,144 | $0.100 | $0.150 | — | — | 100% |
| Parasailbf16 | 262,144 | $0.100 | $0.250 | — | — | 13.33% |
| Together | 262,144 | $0.170 | $0.250 | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.