qwen
Qwen: Qwen3.5-27B
qwen/qwen3.5-27b
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
qwen/qwen3.5-27b é um modelo pós-treinado de visão e linguagem que o OpenRouter apresenta como compatível com entradas de texto, imagem e vídeo e com saídas de texto. A descrição do catálogo o denomina denso, enquanto a documentação do modelo detalha blocos de atenção linear Gated DeltaNet junto com atenção regulada e um contexto nativo amplo que pode ser estendido ainda mais. Os resultados publicados pelo fornecedor abrangem conhecimento, seguimento de instruções, raciocínio em contexto longo, STEM e programação, mas são autorrelatados, e não verificação independente.[1][2]
Pontos fortes
- Aceita entradas de texto, imagem e vídeo e retorna texto, segundo o catálogo do OpenRouter; a documentação do modelo o identifica como um modelo pós-treinado de visão e linguagem.[1][2]
- Seu design híbrido combina blocos de atenção linear Gated DeltaNet com atenção regulada, e seu contexto amplo documentado pode ser estendido além da janela nativa.[2]
- A documentação indica compatibilidade com Hugging Face Transformers, vLLM, SGLang e KTransformers, enquanto o catálogo expõe ferramentas, saídas estruturadas e controles comuns de amostragem.[1][2]
Limitações
- A única evidência de desempenho fornecida é publicada pelo fornecedor; os campos de benchmarks do catálogo do OpenRouter estão vazios, portanto ainda é necessária validação específica da carga de trabalho.[1][2]
- A entrada de vídeo aparece na lista de modalidades do OpenRouter, mas a ficha do modelo fornecida usa uma etiqueta de pipeline de imagem e texto para texto; confirme o suporte a vídeo no caminho de serviço pretendido.[1][2]
- As fontes não especificam uma data de corte de conhecimento, requisitos de hardware nem a configuração necessária para o contexto estendido; a ausência desses campos é uma lacuna de evidência, não prova de limitação.[1][2]
Onde usar
- Assistentes multimodais que transformem imagens ou vídeo aceito pelo catálogo em texto, após confirmar o pipeline de vídeo do provedor.[1][2]
- Resumo, recuperação ou revisão de documentos longos em que o contexto estendido possa reduzir a fragmentação, com validação nos comprimentos-alvo.[2]
- Fluxos de trabalho que usem ferramentas ou saídas estruturadas, porque a ficha da API expõe esses controles; a confiabilidade de agentes ainda exige testes no nível da tarefa.[1]
Fontes
- [1] OpenRouter catalog · Qwen: Qwen3.5-27BFontes consultadas: 13 de nov. de 2026
- [2] Model documentation · Qwen: Qwen3.5-27BFontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
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...
Especificações
- ID do modelo
- qwen/qwen3.5-27b
- ID canônico
- qwen/qwen3.5-27b-20260224
- Criador
- qwen
- Adicionado ao OpenRouter
- 25.02.2026
- Comprimento de contexto
- 262,144
- Modalidade
- text+image+video->text
- Modalidades de entrada
- text, image, video
- Modalidades de saída
- text
- Preço por token
- USD por 1M de tokens: entrada $0.260 / saída $2.6
- Corte de conhecimento
- —
- Data de expiração
- —
Tarefas e capacidades
Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.
| Tarefa | Nota | Capacidade declarada pela fonte |
|---|---|---|
| Qualidade geral | Sem medição | raciocínio: opcional · parâmetros: include_reasoning, reasoning |
| Programação | Sem medição | — |
| Agentes | Sem medição | parâmetros: structured_outputs, tool_choice, tools |
| Escrita | Sem medição | saída: text |
| Raciocínio | Sem medição | raciocínio: opcional · parâmetros: include_reasoning, reasoning |
| Análise de documentos | Sem medição | — |
| Visão | Sem medição | entrada: image |
| Geração de imagens | Sem medição | — |
| Áudio | Sem medição | — |
| Vídeo | Sem medição | entrada: video |
| Embeddings | Sem medição | — |
Avaliações
Não há avaliações fornecidas para este modelo.
Como funcionam as notas
Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.
- S — S — top 10% da coorte
- A — A — próximos 20% da coorte
- B — B — próximos 30% da coorte
- C — C — abaixo da faixa B
Provedores
Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.
| Provedor | Comprimento de contexto | Preço entrada /1M | Preço saída /1M | Latência p50 (30m, s) | Taxa p50 (30m, tok/s) | Disponibilidade (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% |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
Nenhum artigo publicado identifica este modelo ainda.