Qwen3.5 Plus — دردشة متعددة الوسائط (نص/صورة/فيديو)، سياق 1M، قدرة قوية على البرمجة والوكيل.
Qwen3.5-Plus هو نموذج لغوي كبير (LLM) من سلسلة Qwen طوره فريق Qwen التابع لشركة Alibaba Cloud. يدعم نافذة سياقية تبلغ 1,048,576 رمزًا وإخراجًا أقصى يبلغ 65,536 رمزًا. تغطي وسائط الإدخال النص والصورة…
استنادًا إلى تصميمه، يمكن لنموذج Qwen3.5-Plus أداء مجموعة واسعة من المهام اللغوية والمتعددة الوسائط. تشمل المهام النصية التلخيص، الإجابة عن الأسئلة، الترجمة، توليد الأكواد، والاستدلال على المستندات الطويلة. وباستخدام إدخال الصور والفيديو، يمكنه وصف المحتوى البصري، الإجابة عن الأسئلة المتعلقة بالصور، أو تحليل لقطات الفيديو. كما أن السياق الكبير يجعله فعالًا بشكل خاص في المهام التي تتطلب مسح كميات كبيرة من النص، مثل الاكتشاف القانوني، مراجعة الأدبيات العلمية، أو الحوارات متعددة الجولات. النموذج قادر أيضًا على اتباع تعليمات معقدة عبر مجالات متنوعة.
إذا كانت حالة استخدامك تتضمن نصوصًا قصيرة فقط (مثل بضع مئات من الرموز) ولا تتطلب إدخالًا متعدد الوسائط، فإن نموذجًا أصغر مثل Qwen2.5-7B أو نموذج LLM مضغوط مشابه يمكن أن يكون أكثر فعالية من حيث التكلفة. سياق 1M وعدد المعاملات الكبير لـ Qwen3.5-Plus يؤديان إلى تسعير أعلى لكل رمز واستدلال أبطأ مقارنة بالبدائل الأصغر. أيضًا، إذا كنت لا تحتاج إلى الحد الأقصى لطول الإخراج البالغ 65 ألف رمز، فقد يكون نموذج أرخص بحدود إخراج أقصر كافيًا. قم بتقييم الحد الأدنى لطول السياق ومتطلبات الوسائط الخاصة بمهمتك قبل اختيار هذا النموذج.
نعم، النموذج يقبل الصور والفيديو كطرق إدخال. هذا يسمح له بفهم المشاهد البصرية، قراءة النص في الصور، أو تحليل مقاطع الفيديو. الطريقة الدقيقة لتمرير الفيديو (على سبيل المثال، كتيار من الإطارات، إطار رئيسي واحد، أو ملف فيديو مضغوط) غير محددة في الحقائق المقدمة. يجب على المستخدمين الرجوع إلى وثائق API الخاصة بـ OrcaRouter للحصول على تنسيق الإدخال المطلوب. مثل العديد من نماذج اللغات الكبيرة متعددة الوسائط، قد تستهلك معالجة الفيديو عددًا كبيرًا من الرموز لكل إطار، لذا فإن الإدارة الدقيقة لنافذة السياق ضرورية لتجنب الاقتطاع.
المعلومات المقدمة لا تتضمن تفاصيل حول استخدام الأدوات أو استدعاء الوظائف. عادةً، تدعم العديد من نماذج Qwen هذه الميزات من خلال واجهة برمجة التطبيقات المتوافقة مع OpenAI، ولكن لا يمكن تأكيد ذلك بالنسبة لـ Qwen3.5-Plus من البيانات المتاحة. يجب على المطورين اختبار النموذج باستخدام مخططات استدعاء الأدوات لتحديد التوافق. إذا كان استخدام الأدوات ضروريًا، فكر في استخدام نموذج موثقة فيه هذه الإمكانية بوضوح. تدعم واجهة برمجة التطبيقات الخاصة بـ OrcaRouter المعايير القياسية لـ OpenAI، لذا يمكنك محاولة استخدام function_call أو tools في طلبك.
لا توجد نتائج اختبارات قياس الأداء في الحقائق المقدمة حول Qwen3.5-Plus. بدون أرقام أداء محددة (مثل MMLU أو HumanEval أو معايير الوسائط المتعددة)، لا يمكن مقارنة دقته أو قدرته على الاستدلال بشكل موضوعي مع النماذج الأخرى. يجب على المستخدمين إجراء تقييماتهم الخاصة على المهام التمثيلية لقياس الأداء. استنادًا إلى سلسلة Qwen، أظهرت النماذج السابقة نتائج تنافسية؛ ومع ذلك، لم يتم نشر نتائج هذا الإصدار المحدد في البيانات المتاحة. يُرجى الرجوع إلى إصدارات Qwen الرسمية من Alibaba Cloud للحصول على نتائج اختبارات الأداء المحتملة.
لم يتم تحديد زمن الاستجابة والإنتاجية في الحقائق المقدمة. بشكل عام، النماذج الأكبر حجمًا مع نافذة سياق بحجم 1M تكون أثقل في الحساب، خاصةً إذا تم استخدام السياق الكامل. تعتمد سرعة التوليد على طول المخرجات، وعدد الرموز المرئية، والبنية التحتية الأساسية. باستخدام OrcaRouter، قد تواجه زمن استجابة أقل مع أحجام دفعات أصغر وبتحديد السياق إلى ما هو ضروري فقط. يمكن للبث (chat.completions مع stream=true) أيضًا تقليل زمن الاستجابة المتصور حيث يتم إرجاع الرموز بشكل تدريجي.
القوة الأساسية لـ Qwen3.5-Plus هي نافذة السياق الكبيرة التي تبلغ 1,048,576 رمزًا، مما يسمح لها بمعالجة المستندات والمحادثات الطويلة جدًا دون فقدان المعلومات. كما أن دعمها متعدد الوسائط (النصوص، الصور، الفيديو) يوسع نطاق المدخلات التي يمكنها معالجتها. الحد الأقصى للإخراج البالغ 65,536 رمزًا هو أيضًا كريم، مما يتيح إنشاء ملخصات أو تقارير أو أكواد طويلة. هذه الميزات تجعلها مرشحًا جيدًا للمهام التي تتطلب سياقًا ثقيلًا وفهمًا بصريًا في استدعاء نموذج واحد.
بدون بيانات قياسية محددة، لا يُعرف أداؤها الدقيق مقارنة بنماذج اللغات الكبيرة الأخرى. يمكن أن تؤدي نوافذ السياق الكبيرة إلى زيادة التكلفة الحسابية وزمن الاستجابة. قد يواجه النموذج أيضًا صعوبات مع السياقات الطويلة جدًا بسبب ظاهرة "الضياع في الوسط" الشائعة في العديد من نماذج اللغات الكبيرة. بالإضافة إلى ذلك، لا تذكر البيانات المقدمة ما إذا كان النموذج يدعم لغات أخرى غير الإنجليزية؛ وقدرته متعددة اللغات غير مؤكدة. أخيرًا، لم تُقدم معلومات عن التسعير، لذا يجب على المستخدمين مراعاة تكلفة معالجة العديد من الرموز.
التسعير المحدد لكل رمز أو لكل طلب لـ Qwen3.5-Plus غير مشمول في الحقائق المقدمة. عادةً، تفرض مزودات LLM رسومًا بناءً على عدد الرموز المدخلة والمخرجة، وأحيانًا تضيف رسومًا إضافية لمعالجة الصور أو الفيديو. للحصول على الأسعار الحالية، يجب عليك مراجعة صفحة التسعير الخاصة بـ OrcaRouter أو الاتصال بفريق المبيعات الخاص بهم. من المحتمل أن يكون سعر هذا النموذج أعلى من متغيرات Qwen الأصغر نظرًا لسياقه الأكبر وقدرته المتعددة الوسائط. تحقق دائمًا من التكاليف قبل الدمج.
عند استخدام نافذة سياق بحجم 1M، يمكن أن تتراكم التكاليف بسرعة إذا قمت بملء السياق بالكامل بالرموز. بالنسبة للمهام التي يمكن إنجازها بسياق أقصر (مثل 32k رمزًا)، قد تكون تدفع أكثر من اللازم باستخدام هذا النموذج. وبالمثل، فإن معالجة العديد من الصور أو فيديو طويل سوف تستهلك العديد من رموز الإدخال. كما أن الحد الأقصى للإخراج البالغ 65,536 رمزًا يعني أن التوليد يمكن أن يكون مكلفًا إذا أنتجت ردودًا طويلة. فكر في استخدام نموذج أصغر للمهام البسيطة واحتفظ بـ Qwen3.5-Plus للسيناريوهات التي تحتاج حقًا إلى السياق الكبير والإدخال متعدد الوسائط.
الحقائق المقدمة لا تذكر أي تخزين مؤقت أو خصومات للرموز المتكررة على Qwen3.5-Plus. بعض موفري واجهات API يقدمون تخزينًا مؤقتًا للمطالبات يقلل التكلفة للرموز البادئة المتطابقة عبر المكالمات المتعددة. قد يدعم OrcaRouter هذه الميزة أو لا يدعمها. لمعرفة ذلك، ارجع إلى توثيق OrcaRouter أو اتصل بالدعم. إذا كان التخزين المؤقت متاحًا، فقد يخفض التكاليف بشكل كبير لحالات الاستخدام مثل المحادثات متعددة الجولات مع مطالبة نظام شائعة أو سياق متكرر.
يتم الوصول إلى Qwen3.5-Plus عبر واجهة برمجة التطبيقات المتوافقة مع OpenAI في OrcaRouter. عيِّن عنوان URL الأساسي إلى https://api.orcarouter.ai/v1. استخدم معرف النموذج "qwen/qwen3.5-plus". يتم المصادقة عادةً عبر مفتاح API في رأس Authorization (مثل "Bearer YOUR_API_KEY"). بالنسبة لطلب إكمال المحادثة، أرسل طلب POST إلى /chat/completions مع نص JSON يحتوي على حقل "model" مضبوطًا على معرف النموذج، ومصفوفة "messages" تتبع تنسيق OpenAI. مثال: {"model": "qwen/qwen3.5-plus", "messages": [{"role": "user", "content": "Hello"}]}.
يدعم OrcaRouter المعايير القياسية لـ OpenAI بما في ذلك "messages" و"max_tokens" و"temperature" و"top_p" و"frequency_penalty" و"presence_penalty" و"stop" و"stream". نظرًا لأن النموذج يدعم إدخال الصور والفيديو، يمكنك أيضًا تمرير محتوى متعدد الوسائط في حقل "content" كمصفوفة من الكائنات ذات "type":"text" و"type":"image_url" (أو ما شابه ذلك). لم يتم تعريف المخطط الدقيق للفيديو في البيانات المقدمة. راجع وثائق API الخاصة بـ OrcaRouter للحصول على قائمة المعايير الكاملة. لاحظ أن "max_tokens" يجب ألا يتجاوز الحد الأقصى لإخراج النموذج البالغ 65,536 رمزًا.
للتبديل من نموذج مختلف إلى Qwen3.5-Plus، قم بتحديث حقل "model" في طلب API الخاص بك من معرف النموذج السابق (مثل "gpt-4" أو "qwen2.5-72b") إلى "qwen/qwen3.5-plus". تأكد من أن كودك يمكنه التعامل مع السياق الأكبر والإدخال متعدد الوسائط إذا كنت تنوي استخدام هذه الميزات. إذا كنت تستخدم نموذجًا يدعم استدعاءات الأدوات أو استدعاءات الدوال المتوازية، فاختبر هذه الميزات مع Qwen3.5-Plus لضمان التوافق. أيضًا، اضبط حدود الرموز المميزة (tokens) الخاصة بك إذا كان نموذجك السابق يحتوي على حد أقصى للإخراج أصغر (اضبط max_tokens بشكل مناسب).
نعم، البث مدعوم عبر معلمة واجهة OpenAI API القياسية: قم بتعيين "stream": true في طلبك. يعيد هذا الرموز (tokens) فور إنشائها، مما يقلل من زمن الاستجابة الظاهر. ستكون الاستجابة عبارة عن دفق من أحداث إرسال الخادم (SSE). يحتوي كل حدث على جزء دلتا (delta) من الجزء التالي من الرسالة. يعمل هذا بنفس طريقة وضع البث في OpenAI. بالنسبة للمدخلات متعددة الوسائط، قد يكون هناك تأخير طفيف في الجزء الأول أثناء معالجة النموذج للصور أو الفيديو. تتبع واجهة OrcaRouter's API نفس تنسيق البث المستخدم في OpenAI، بحيث يمكن إعادة استخدام كود البث الحالي مع معرف النموذج الجديد.
Qwen3.5-Plus هو إصدار أحدث في سلسلة Qwen. لا تتضمن الحقائق المقدمة تحسينات أداء محددة مقارنة بـ Qwen2.5، لكن عادةً ما تضيف الإصدارات الأحدث دعمًا أطول للسياق وتدريبًا محسّنًا. بشكل عام، تحتوي نماذج Qwen2.5 على نوافذ سياق يصل طولها إلى 128 ألف رمز (token)، بينما يوفر Qwen3.5-Plus مليون رمز. أيضًا، يدرج Qwen3.5-Plus الفيديو صراحةً كوسيلة إدخال، وهو ما قد لا يكون متاحًا في إصدارات Qwen2.5 الأقدم. إذا لم تكن بحاجة إلى السياق الأكبر أو إدخال الفيديو، فقد يكون نموذج Qwen2.5 أكثر فعالية من حيث التكلفة وأسرع.
نماذج مثل Gemini 1.5 Pro (1M رمز) وClaude 3.5 Sonnet (200k) وGPT-4 Turbo (128k) تقدم أيضًا سياقات طويلة. يتطابق Qwen3.5-Plus مع سياق 1M رمز الخاص بـ Gemini 1.5 Pro ويتفوق على معظم النماذج الأخرى. إضافة دخل الفيديو نادرة نسبيًا بين نماذج اللغات الضخمة. ومع ذلك، بدون بيانات قياسية، يصعب مقارنة الدقة أو الاستدلال أو القدرة على البرمجة. يختلف التسعير وزمن الاستجابة أيضًا حسب المزوّد. يجب على المستخدمين تقييم هذه النماذج بناءً على مهامهم المحددة. يوفر OrcaRouter إمكانية الوصول إلى نماذج متعددة، مما يسهل التبديل بينها والمقارنة.
ستختار هذا الطراز إذا كانت حالة الاستخدام الخاصة بك تتطلب سياقًا طويلًا جدًا (أكثر من 256 ألف رمز) وإدخالًا متعدد الوسائط (نص، صورة، فيديو) في نموذج واحد. على سبيل المثال، تحليل ساعات من الفيديو مع النصوص المصاحبة، أو قراءة كتاب كامل يحتوي على رسوم بيانية مدمجة. إذا كانت مهمتك نصية بحتة ذات سياق قصير، فإن البديل الأرخص والأسرع (مثل Qwen2.5-7B أو GPT-4o-mini) هو الأنسب. أيضًا، إذا كنت بحاجة إلى إخراج أكثر من 16 ألف رمز، فإن الحد الأقصى للإخراج البالغ 65 ألف رمز في Qwen3.5-Plus قد يكون مفيدًا.
لا تتضمن الحقائق المقدمة تفاصيل حول معالجة البيانات أو الخصوصية لـ Qwen3.5-Plus. عند استخدام OrcaRouter، يجب عليك مراجعة سياسة الخصوصية وشروط الخدمة لفهم كيفية معالجة البيانات أو تخزينها أو تسجيلها. كما هو الحال مع أي واجهة برمجة تطبيقات تابعة لجهة خارجية، تجنب إرسال معلومات شخصية حساسة إلا إذا تأكدت من شهادات الأمان الخاصة بالمزوّد (مثل SOC 2، الامتثال للائحة العامة لحماية البيانات GDPR). النموذج نفسه مستضاف على بنية تحتية تديرها OrcaRouter وAlibaba Cloud، وعادةً ما يحتفظ مزوّدو واجهات برمجة التطبيقات بالبيانات بشكل مؤقت فقط لتقديم الخدمة.
متوافق مع OpenAI — أبقِ على SDK الحالي
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="qwen/qwen3.5-plus",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)enable_searchenable_thinkinginclude_reasoninglogprobsmax_tokensnparallel_tool_callspresence_penaltyreasoningrepetition_penaltyresponse_formatseedstopstreamstream_optionstemperaturethinking_budgettool_choicetoolstop_ktop_logprobstop_p| الفئة | الإدخال / 1M توكن | الإخراج / 1M توكن |
|---|---|---|
| ≤ 256K | $0.400 | $2.40 |
| ≤ 1.0M | $0.500 | $3.00 |
| يتم تحديد الفئة حسب عدد رموز الإدخال لكل طلب | ||
تقدير بناءً على السعر المُعلن
تسعير متدرّج — يستخدم هذا التقدير أسعار المستوى الأساسي.
تقدير فقط — يعتمد العدد الفعلي للرموز على مُجزّئ الرموز الخاص بالمزوّد.
GET /api/public/models/qwen/qwen3.5-plusفتح @misc{orcarouter_qwen3_5_plus,
title = {qwen/qwen3.5-plus API},
author = {qwen},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/qwen/qwen3.5-plus}
}qwen. (n.d.). qwen/qwen3.5-plus API. OrcaRouter. https://www.orcarouter.ai/models/qwen/qwen3.5-plus