The Qwen3.5 series 397B-A17B native vision-language model is built on a hybrid architecture that integrates a linear attention mechanism with a sparse mixture-of-experts model, achieving higher inference efficiency. It delivers state-of-the-art performance comparable to leading-edge models across a wide range of tasks, including language understanding, logical reasoning, code generation, agent-based tasks, image understanding, video understanding, and graphical user interface (GUI) interactions. With its robust code-generation and agent capabilities, the model exhibits strong generalization across diverse agent.
提供商
不同公司托管同一模型。OpenRouter 根据您选择的路由模式将请求路由到其中一家公司:Balanced(价格 + 速度)、Nitro(速度最快)或 Floor(价格最低)。
| US$0.600 | US$3.60 | US$0.120 | 0.65s | 229 tok/s | ||
| US$0.390 | US$2.34 | -- | 0.97s | 54 tok/s | ||
| US$0.550 | US$3.50 | US$0.550 | 2.56s | 52 tok/s | ||
| US$0.600 | US$3.60 | -- | 1.36s | 32 tok/s | ||
| US$0.450 | US$3.00 | US$0.220 | 1.55s | 35 tok/s | ||
| US$0.675 | US$4.50 | US$0.330 | 3.93s | 29 tok/s | ||
| US$0.500 | US$3.60 | US$0.300 | 0.39s | 118 tok/s | ||
| US$0.600 | US$3.60 | -- | 2.93s | 53 tok/s | ||
| US$0.750 | US$4.50 | -- | 6.63s | 48 tok/s | ||
不用于 Standard 路由:未使用这些端点的原因 | ||||||
| US$0.360 | US$2.40 | US$0.176 | -- | -- | ||
- 输入 /百万
- US$0.60
- 输出 /百万
- US$3.60
- 缓存读取 /百万
- US$0.12
- 延迟
- 0.65s
- 吞吐量
- 229 tok/s
- 正常运行时间
- 96.59%
- 输入 /百万
- US$0.39
- 输出 /百万
- US$2.34
- 缓存读取 /百万
- --
- 延迟
- 0.97s
- 吞吐量
- 54 tok/s
- 正常运行时间
- 99.42%
- 输入 /百万
- US$0.55
- 输出 /百万
- US$3.50
- 缓存读取 /百万
- US$0.55
- 延迟
- 2.56s
- 吞吐量
- 52 tok/s
- 正常运行时间
- 99.19%
- 输入 /百万
- US$0.60
- 输出 /百万
- US$3.60
- 缓存读取 /百万
- --
- 延迟
- 1.36s
- 吞吐量
- 32 tok/s
- 正常运行时间
- 98.46%

- 输入 /百万
- US$0.45
- 输出 /百万
- US$3.00
- 缓存读取 /百万
- US$0.22
- 延迟
- 1.55s
- 吞吐量
- 35 tok/s
- 正常运行时间
- 98.30%
Priority- 输入 /百万
- US$0.675
- 输出 /百万
- US$4.50
- 缓存读取 /百万
- US$0.33
- 延迟
- 3.93s
- 吞吐量
- 29 tok/s
- 正常运行时间
- 87.77%
- 输入 /百万
- US$0.50
- 输出 /百万
- US$3.60
- 缓存读取 /百万
- US$0.30
- 延迟
- 0.39s
- 吞吐量
- 118 tok/s
- 正常运行时间
- 98.07%
- 输入 /百万
- US$0.60
- 输出 /百万
- US$3.60
- 缓存读取 /百万
- --
- 延迟
- 2.93s
- 吞吐量
- 53 tok/s
- 正常运行时间
- 89.50%
- 输入 /百万
- US$0.75
- 输出 /百万
- US$4.50
- 缓存读取 /百万
- --
- 延迟
- 6.63s
- 吞吐量
- 48 tok/s
- 正常运行时间
- 97.16%
- 不用于 Standard 路由:未使用这些端点的原因
Flex- 输入 /百万
- US$0.36
- 输出 /百万
- US$2.40
- 缓存读取 /百万
- US$0.176
- 延迟
- --
- 吞吐量
- --
- 正常运行时间
- 46.80%
定价
客户为此模型实际支付的平均价格,与提供商公布的价格并列展示。由于缓存和折扣,实际支付的价格往往远低于标价。
加权平均值
Qwen3.5 397B A17B — 价格历史
| US$0.389 | US$3.00 | 26.5% | 16.0% | ||
| US$0.390 | US$2.34 | 0.0% | 13.9% | ||
| US$0.435 | US$3.60 | 32.3% | 19.4% | ||
| US$0.503 | US$3.60 | 20.3% | 11.2% | ||
| US$0.550 | US$3.50 | 0.0% | 13.7% | ||
| US$0.600 | US$3.60 | 0.0% | 1.9% | ||
| US$0.600 | US$3.60 | 0.0% | 0.9% | ||
| US$0.635 | US$4.50 | 11.6% | 14.7% | ||
| US$0.750 | US$4.50 | 12.2% | 8.3% | ||
不用于 Standard 路由:未使用这些端点的原因 | |||||
| US$0.354 | US$2.40 | 2.9% | 0.0% | ||
- 有效输入价格 US$0.389 / 实际输出 US$3.00token 占比16.0%
- 有效输入价格 US$0.390 / 实际输出 US$2.34token 占比13.9%
- 有效输入价格 US$0.435 / 实际输出 US$3.60token 占比19.4%
- 有效输入价格 US$0.503 / 实际输出 US$3.60token 占比11.2%
- 有效输入价格 US$0.550 / 实际输出 US$3.50token 占比13.7%
- 有效输入价格 US$0.600 / 实际输出 US$3.60token 占比1.9%
- 有效输入价格 US$0.600 / 实际输出 US$3.60token 占比0.9%
- 有效输入价格 US$0.635 / 实际输出 US$4.50Prioritytoken 占比14.7%
- 有效输入价格 US$0.750 / 实际输出 US$4.50token 占比8.3%
- 不用于 Standard 路由:未使用这些端点的原因
- 有效输入价格 US$0.354 / 实际输出 US$2.40Flextoken 占比0.0%
性能
吞吐量是模型生成内容的速度(每秒 token 数,越高越好)。延迟是完整的往返时间(越低越好)。TTFT 是首个 token 的响应时间,即您看到内容出现前需要等待的时间(越低越好)。
P50,所有提供商中最佳
P50,最佳提供商
正常运行时间
正常运行时间是指过去 3 天中至少有一家提供商响应请求的时间百分比。可用性是指成功提供推理服务的时间百分比。OpenRouter 会持续监控,并在某家提供商返回错误时使用次优提供商。
过去 3 天的可用性
最近 72 小时过去 24 小时的可用性
当上游提供商发生错误时,如果您的请求筛选条件允许,我们可以通过路由到另一家健康的提供商来恢复服务。您可以通过以下接口以编程方式访问各提供商的正常运行时间数据: 端点 API。了解更多有关我们的 负载均衡和提供商路由选项。
基准测试
标准化评测得分,以及此模型针对共用基准测试提示词的实际输出。百分比越高越好,每项排名显示此模型在该来源所评测的模型中的位置。
| 来源 | 基准测试 | 得分 |
|---|---|---|
| Artificial Analysis | Qwen3.5 397B A17B (Non-reasoning) Openness Index | 38.9 |
| Artificial Analysis | Qwen3.5 397B A17B (Non-reasoning) Multilingual Index | 86.5% |
| Artificial Analysis | Qwen3.5 397B A17B (Non-reasoning) GPQA Diamond | 86.1% |
| Artificial Analysis | Qwen3.5 397B A17B (Non-reasoning) HLE | 19.8% |
| Artificial Analysis | Qwen3.5 397B A17B (Non-reasoning) IFBench | 51.6% |
| Artificial Analysis | Qwen3.5 397B A17B (Non-reasoning) τ²-Bench Telecom | 83.9% |
| Artificial Analysis | Qwen3.5 397B A17B (Non-reasoning) AA-LCR | 64.3% |
| Artificial Analysis | Qwen3.5 397B A17B (Non-reasoning) CritPt | 0.9% |
| Artificial Analysis | Qwen3.5 397B A17B (Non-reasoning) Terminal-Bench Hard | 35.6% |
| Artificial Analysis | Qwen3.5 397B A17B (Non-reasoning) MMMU-Pro | 52.7% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) Openness Index | 38.9 |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) Multilingual Index | 90.0% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) AutomationBench-AA | 6.9% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) GDP.pdf | 12.2% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) APEX-Agents-AA | 15.3% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) EnterpriseOps-Gym-AA | 30.9% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) ITBench-AA | 34.1% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) GPQA Diamond | 89.3% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) HLE | 29.0% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) IFBench | 78.8% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) τ²-Bench Telecom | 95.6% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) AA-LCR | 77.3% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) τ³-Banking | 13.4% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) GDPval-AA | 15.0% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) CritPt | 1.7% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) HLE-Diamond | 12.4% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) SciCode | 44.8% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) Terminal-Bench Hard | 40.9% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) Terminal-Bench 4.0 | 0.0% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) Terminal-Bench 2.1 | 51.3% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) MLCR-AA | 8.9% |
| Artificial Analysis | Qwen3.5 397B A17B (Reasoning) MMMU-Pro | 77.3% |
| Design Arena | Qwen3.5 397B A17B Models Arena 3D Elo | 1134 |
| Design Arena | Qwen3.5 397B A17B Models Arena Code Categories Elo | 1161 |
| Design Arena | Qwen3.5 397B A17B Models Arena Data Visualization Elo | 1171 |
| Design Arena | Qwen3.5 397B A17B Models Arena Game Development Elo | 1123 |
| Design Arena | Qwen3.5 397B A17B Models Arena SVG Elo | 1124 |
| Design Arena | Qwen3.5 397B A17B Models Arena UI Component Elo | 1150 |
| Design Arena | Qwen3.5 397B A17B Models Arena Website Elo | 1180 |
| Vals AI | Qwen 3.5 397B A17B SAGE | 85.5% |
应用
向此模型发送最多流量的公开应用。这能很好地反映实际生产工作负载的情况,也能提示此模型最适合哪些用例。
活动
此模型的 token 用量和请求流量随时间的变化。
API
可直接用于调用此模型的代码。OpenRouter 的 API 与 OpenAI 兼容——大多数 SDK 只需替换基础 URL 即可使用。切换模型时,唯一需要更改的是下方的模型标识符。
目前无法通过 EU 区域内路由使用。 区域内路由文档
常见问题
The Qwen3.5 series 397B-A17B native vision-language model is built on a hybrid architecture that integrates a linear attention mechanism with a sparse mixture-of-experts model, achieving higher inference efficiency.
Qwen3.5 397B A17B 的费用为 US$0.39/百万输入 token 和 US$2.34/百万输出 token。
Qwen3.5 397B A17B 的上下文窗口为 262,144 个 token。它最多支持 65,536 个补全 token。
支持。在提供 Qwen3.5 397B A17B 的 8 家提供商中,有 7 家支持该模型通过 tools 和 tool_choice 进行函数调用,包含工具的请求会被路由到这些提供商。 它还支持通过 response_format 中的 JSON schema 实现结构化输出。
Qwen3.5 397B A17B 接受 文本、图像和视频 作为输入,并返回 文本。
在 OpenRouter 上,Qwen3.5 397B A17B 由 8 家提供商提供服务:DeepInfra、Alibaba Cloud Int.、Parasail、AtlasCloud、StreamLake、GMICloud、NovitaAI和Venice。 请求会路由至最佳的可用提供商,并在故障时自动切换至其他提供商,您也可以通过提供商路由固定或排除提供商。
Qwen3.5 397B A17B 于 2026年2月16日 发布。
