Qwen3.5 Plus — obrolan multimodal (teks/gambar/video), konteks 1M, kemampuan coding yang kuat + agen.
Qwen3.5-Plus adalah model bahasa besar (LLM) dari seri Qwen yang dikembangkan oleh tim Qwen dari Alibaba Cloud. Ia mendukung jendela konteks sebanyak 1.048.576 token dan output maksimal 65.536 token.…
Berdasarkan desainnya, Qwen3.5-Plus dapat melakukan berbagai macam tugas bahasa dan multimodal. Tugas teks meliputi peringkasan, tanya jawab, penerjemahan, pembuatan kode, dan penalaran atas dokumen panjang. Dengan masukan gambar dan video, ia dapat mendeskripsikan konten visual, menjawab pertanyaan tentang gambar, atau menganalisis rekaman video. Konteks yang besar membuatnya sangat efektif untuk tugas-tugas yang memerlukan pemindaian teks dalam volume besar, seperti penemuan hukum, tinjauan literatur ilmiah, atau dialog multi-putaran. Model ini juga mampu mengikuti instruksi kompleks di berbagai domain.
Jika kasus penggunaan Anda hanya melibatkan teks pendek (misalnya, beberapa ratus token) dan tidak memerlukan input multimodal, model yang lebih kecil seperti Qwen2.5-7B atau LLM ringkas serupa mungkin lebih hemat biaya. Konteks 1M dan jumlah parameter yang besar dari Qwen3.5-Plus menyebabkan harga per token lebih tinggi dan inferensi lebih lambat dibandingkan alternatif yang lebih kecil. Selain itu, jika Anda tidak memerlukan panjang output maksimum 65k token, model yang lebih murah dengan batas output yang lebih pendek sudah mencukupi. Evaluasi persyaratan panjang konteks minimum dan modalitas tugas Anda sebelum memilih model ini.
Ya, model ini menerima gambar dan video sebagai modalitas input. Hal ini memungkinkannya untuk memahami pemandangan visual, membaca teks dalam gambar, atau menganalisis video. Metode yang tepat untuk memasukkan video (misalnya, sebagai aliran frame, keyframe tunggal, atau file video terkompresi) tidak ditentukan dalam fakta yang disediakan. Pengguna harus berkonsultasi dengan dokumentasi API OrcaRouter untuk format input yang diperlukan. Seperti banyak LLM multimodal, pemrosesan video dapat menghabiskan sejumlah besar token per frame, sehingga pengelolaan jendela konteks yang hati-hati diperlukan untuk menghindari pemotongan.
Fakta yang diberikan tidak mencakup informasi tentang penggunaan alat atau pemanggilan fungsi. Biasanya, banyak model Qwen mendukung fitur tersebut melalui API yang kompatibel dengan OpenAI, tetapi hal ini tidak dapat dikonfirmasi untuk Qwen3.5-Plus dari data yang tersedia. Pengembang harus menguji model dengan skema pemanggilan alat untuk menentukan kompatibilitas. Jika penggunaan alat sangat penting, pertimbangkan untuk menggunakan model yang kemampuannya didokumentasikan secara eksplisit. API OrcaRouter mendukung parameter standar OpenAI, jadi Anda dapat mencoba menggunakan function_call atau tools dalam permintaan Anda.
Tidak ada skor benchmark yang disediakan dalam fakta yang diberikan untuk Qwen3.5-Plus. Tanpa angka performa spesifik (misalnya MMLU, HumanEval, atau benchmark multimodal), tidak mungkin membandingkan secara objektif akurasi atau kemampuan penalarannya dengan model lain. Pengguna harus menjalankan evaluasi mereka sendiri pada tugas-tugas yang representatif untuk mengukur performa. Berdasarkan silsilah Qwen, model-model sebelumnya telah menunjukkan hasil yang kompetitif; namun, skor versi spesifik ini tidak dipublikasikan dalam data yang tersedia. Lihat rilis resmi Qwen dari Alibaba Cloud untuk kemungkinan hasil benchmark.
Latensi dan throughput tidak disebutkan dalam fakta yang disediakan. Secara umum, model yang lebih besar dengan jendela konteks 1M lebih berat untuk dikomputasi, terutama jika konteks penuh digunakan. Kecepatan generasi akan bergantung pada panjang output, jumlah token visual, dan infrastruktur yang mendasarinya. Menggunakan OrcaRouter, Anda mungkin mengalami latensi yang lebih rendah dengan ukuran batch yang lebih kecil dan dengan membatasi konteks hanya pada apa yang diperlukan. Streaming (chat.completions dengan stream=true) juga dapat mengurangi latensi yang dirasakan karena token dikembalikan secara bertahap.
Kekuatan utama Qwen3.5-Plus adalah jendela konteksnya yang besar, yaitu 1,048,576 token, yang memungkinkannya menangani dokumen dan percakapan yang sangat panjang tanpa kehilangan informasi. Dukungan multimodalnya (teks, gambar, video) memperluas jangkauan input yang dapat diproses. Output maksimal 65,536 token juga cukup besar, memungkinkan pembuatan ringkasan, laporan, atau kode yang panjang. Fitur-fitur ini menjadikannya kandidat yang baik untuk tugas-tugas yang membutuhkan konteks berat dan pemahaman visual dalam satu panggilan model.
Tanpa data tolok ukur yang spesifik, kinerja pastinya relatif terhadap LLM lain tidak diketahui. Jendela konteks yang besar dapat menyebabkan peningkatan biaya komputasi dan latensi. Model ini mungkin juga mengalami kesulitan dengan konteks yang sangat panjang akibat fenomena "lost-in-the-middle" yang umum terjadi pada banyak LLM. Selain itu, data yang diberikan tidak menyebutkan apakah model ini mendukung bahasa selain bahasa Inggris; kemampuannya dalam multibahasa masih belum pasti. Terakhir, informasi harga tidak diberikan, sehingga pengguna harus mempertimbangkan biaya pemrosesan sejumlah besar token.
Penetapan harga spesifik per-token atau per-permintaan untuk Qwen3.5-Plus tidak tercakup dalam fakta yang disediakan. Biasanya, penyedia LLM membebankan biaya berdasarkan jumlah token input dan output, dan terkadang mengenakan biaya tambahan untuk pemrosesan gambar atau video. Untuk mendapatkan tarif terkini, Anda harus memeriksa halaman harga OrcaRouter atau menghubungi tim penjualan mereka. Harga model ini kemungkinan akan lebih tinggi dibandingkan varian Qwen yang lebih kecil karena kapasitas konteks yang lebih besar dan kemampuan multimodalnya. Selalu verifikasi biaya sebelum mengintegrasikan.
Saat menggunakan jendela konteks 1M, biaya dapat terakumulasi dengan cepat jika Anda mengisi seluruh konteks dengan token. Untuk tugas yang dapat diselesaikan dengan konteks yang lebih pendek (misalnya, 32k token), Anda mungkin membayar lebih dengan menggunakan model ini. Demikian pula, memproses banyak gambar atau video panjang akan mengonsumsi banyak token masukan. Output maksimum 65,536 token juga berarti pembuatan dapat menjadi mahal jika Anda menghasilkan respons yang panjang. Pertimbangkan untuk menggunakan model yang lebih kecil untuk tugas-tugas sederhana dan menyisihkan Qwen3.5-Plus untuk skenario yang benar-benar membutuhkan konteks besar dan masukan multimodal.
Fakta yang disediakan tidak menyebutkan adanya caching atau diskon untuk token berulang pada Qwen3.5-Plus. Beberapa penyedia API menawarkan prompt caching yang mengurangi biaya untuk token awalan yang identik di beberapa panggilan. OrcaRouter mungkin mendukung atau tidak mendukung fitur tersebut. Untuk mengetahuinya, lihat dokumentasi OrcaRouter atau hubungi dukungan. Jika caching tersedia, hal itu dapat menurunkan biaya secara signifikan untuk kasus penggunaan seperti percakapan multi-putaran dengan sistem prompt yang umum atau konteks yang berulang.
Qwen3.5-Plus diakses melalui API kompatibel-OpenAI milik OrcaRouter. Atur base URL ke https://api.orcarouter.ai/v1. Gunakan model id "qwen/qwen3.5-plus". Otentikasi biasanya dilakukan melalui API key di header Authorization (mis., "Bearer YOUR_API_KEY"). Untuk permintaan chat completion, kirim POST ke /chat/completions dengan body JSON yang berisi field "model" diatur ke model id, dan array "messages" mengikuti format OpenAI. Contoh: {"model": "qwen/qwen3.5-plus", "messages": [{"role": "user", "content": "Hello"}]}.
OrcaRouter mendukung parameter OpenAI standar termasuk "messages", "max_tokens", "temperature", "top_p", "frequency_penalty", "presence_penalty", "stop", dan "stream". Karena model mendukung input gambar dan video, Anda juga dapat mengirimkan konten multimodal di kolom "content" sebagai larik objek dengan "type":"text" dan "type":"image_url" (atau sejenisnya). Skema pasti untuk video tidak ditentukan dalam data yang disediakan. Lihat dokumentasi API OrcaRouter untuk daftar parameter lengkap. Perhatikan bahwa "max_tokens" tidak boleh melebihi output maksimum model sebesar 65.536 token.
Untuk beralih dari model yang berbeda ke Qwen3.5-Plus, perbarui kolom "model" dalam permintaan API Anda dari id model sebelumnya (misalnya, "gpt-4" atau "qwen2.5-72b") menjadi "qwen/qwen3.5-plus". Pastikan kode Anda dapat menangani konteks yang lebih besar dan input multimodal jika Anda berniat menggunakan fitur-fitur tersebut. Jika Anda sebelumnya menggunakan model yang mendukung panggilan alat atau pemanggilan fungsi paralel, uji fitur-fitur tersebut dengan Qwen3.5-Plus untuk memastikan kompatibilitas. Selain itu, sesuaikan batas token Anda jika model sebelumnya memiliki output maksimum yang lebih kecil (atur max_tokens dengan tepat).
Ya, streaming didukung melalui parameter standar API OpenAI: setel "stream": true dalam permintaan Anda. Ini mengembalikan token saat dihasilkan, mengurangi latensi yang dirasakan. Responsnya akan berupa aliran Server-Sent Events (SSE). Setiap peristiwa berisi delta dari bagian berikutnya dari pesan. Ini bekerja sama persis dengan mode streaming OpenAI. Untuk input multimodal, potongan pertama mungkin mengalami sedikit penundaan saat model memproses gambar atau video. API OrcaRouter mengikuti format streaming yang sama dengan OpenAI, sehingga kode streaming yang ada dapat digunakan kembali dengan id model baru.
Qwen3.5-Plus adalah iterasi terbaru dalam seri Qwen. Fakta yang diberikan tidak mencakup peningkatan performa spesifik dibandingkan Qwen2.5, tetapi biasanya versi yang lebih baru menambahkan dukungan konteks yang lebih panjang dan pelatihan yang lebih baik. Model Qwen2.5 umumnya memiliki jendela konteks hingga 128k token, sedangkan Qwen3.5-Plus menawarkan 1M. Selain itu, Qwen3.5-Plus secara eksplisit mencantumkan video sebagai modalitas input, yang mungkin tidak tersedia pada varian Qwen2.5 yang lebih lama. Jika Anda tidak memerlukan konteks yang lebih besar atau input video, model Qwen2.5 mungkin lebih hemat biaya dan lebih cepat.
Model seperti Gemini 1.5 Pro (1M token), Claude 3.5 Sonnet (200k), dan GPT-4 Turbo (128k) juga menawarkan konteks yang panjang. Qwen3.5-Plus menyamai konteks 1M token dari Gemini 1.5 Pro dan melampaui sebagian besar lainnya. Penambahan input video juga relatif jarang di antara LLM. Namun, tanpa data tolok ukur, sulit untuk membandingkan akurasi, penalaran, atau kemampuan pengkodean. Harga dan latensi juga bervariasi antar penyedia. Pengguna harus mengevaluasi berdasarkan tugas spesifik mereka. OrcaRouter menyediakan akses ke berbagai model, sehingga memudahkan untuk beralih dan membandingkan.
Anda akan memilih model ini jika kasus penggunaan Anda memerlukan konteks yang sangat panjang (di atas 256k token) dan input multimodal (teks, gambar, video) dalam satu model. Misalnya, menganalisis video berdurasi berjam-jam dengan transkrip yang menyertainya, atau membaca seluruh buku dengan diagram yang tertanam. Jika tugas Anda murni teks dengan konteks pendek, alternatif yang lebih murah dan lebih cepat (misalnya, Qwen2.5-7B atau GPT-4o-mini) lebih cocok. Juga, jika Anda perlu mengeluarkan lebih dari 16k token, output maksimum 65k dari Qwen3.5-Plus mungkin menguntungkan.
Fakta yang disediakan tidak mencakup detail tentang penanganan data atau privasi untuk Qwen3.5-Plus. Saat menggunakan OrcaRouter, Anda harus meninjau kebijakan privasi dan persyaratan layanan mereka untuk memahami bagaimana data diproses, disimpan, atau dicatat. Seperti halnya dengan API pihak ketiga lainnya, hindari mengirimkan informasi pribadi sensitif kecuali Anda telah mengonfirmasi sertifikasi keamanan penyedia (misalnya, SOC 2, kepatuhan GDPR). Model itu sendiri dihosting di infrastruktur yang dikelola oleh OrcaRouter dan Alibaba Cloud, dan penyedia API pada umumnya menyimpan data hanya sementara untuk penyampaian layanan.
Kompatibel OpenAI — pakai SDK Anda yang sekarang
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| Tingkat | Input / 1M token | Output / 1M token |
|---|---|---|
| ≤ 256K | $0.400 | $2.40 |
| ≤ 1.0M | $0.500 | $3.00 |
| Tingkat dipilih berdasarkan jumlah token input setiap permintaan | ||
Perkiraan berdasarkan harga daftar
Harga berjenjang — perkiraan ini memakai tarif jenjang dasar.
Hanya perkiraan — jumlah token sebenarnya bergantung pada tokenizer penyedia.
GET /api/public/models/qwen/qwen3.5-plusBuka @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