Qwen3.5 Flash — マルチモーダルチャット（テキスト/画像/動画）コスト最適化、100万トークンのコンテキスト
Qwen3.5 Flashは、Qwenファミリーに属するマルチモーダル言語モデルで、高速な推論と低コストを実現しています。テキスト、画像、動画の入力を受け付け、テキスト応答を生成します。コンテキストウィンドウは1,048,576トークンで、非常に長いドキュメントや複数の動画フレームを一度に処理できます。1回の生成で最大65,536トークンを出力します。OrcaRouterのAPIでモデルID「qw…
Qwen3.5 Flashは、テキスト、画像（リクエストごとに複数の画像を含む）、およびビデオ入力をサポートしています。ビデオの場合、モデルはフレームまたはコンテキスト制限内のビデオファイル全体を取り込むことができます。これらすべてのモダリティを1回のAPI呼び出しで処理し、ビデオシーンの説明、画像に関する質問への回答、テキスト指示と視覚コンテンツの組み合わせなどのタスクを実行できます。サポートされるビデオの正確な長さは、1Mのコンテキストウィンドウ内でのフレーム抽出とトークン予算に依存します。
このモデルは、大規模なコンテキストとマルチモーダル入力を必要とするタスクに優れています。例えば、長い動画のトランスクリプトの要約、スキャン文書（画像付き）からの構造化データの抽出、視覚的コンテキストを参照する会話エージェントの構築などです。また、高スループットのバッチ処理にも効果的で、トークンあたりの低コスト（特に入力）により、数百万のクエリに対して経済的です。単純なテキストのみのタスクでは、より安価なテキスト専用モデルの方がさらに費用対効果が高い場合があります。
純粋にテキストベースのタスクでマルチモーダル機能を必要としない場合、より低価格の小型モデルやテキスト専用モデルの方が費用対効果が高い可能性があります。Qwen3.5 Flashの強みはマルチモーダルおよび長いコンテキスト処理能力にあります。アプリケーションが短いテキスト補完のみを必要とするなら、text-davinciや小型のQwenバリアントなどのモデルの方がコストを削減できるかもしれません。同様に、最大100万トークンのコンテキスト全体を必要としない場合、より小さいウィンドウを持つモデルを使用することでレイテンシとコストを削減できる可能性があります。
「Flash」という名称は、このモデルがベンチマーク精度の一部を犠牲にして、より高速な推論と低い計算コストを実現していることを示しています。Qwenの大規模モデル（例：Qwen3.5-72B）と比較して、より効率的なアーキテクチャを採用し、パラメータ数が少なくなっています。ベンチマークスコアはQwenによって公開されていますが、本カタログエントリには記載されていません。実際には、マルチモーダル理解タスクで競争力のある性能を発揮しながら、リクエストあたりのレイテンシが低いため、リアルタイムアプリケーションに適しています。
レイテンシは、入力サイズ、出力長、サーバーの負荷に依存します。Qwen3.5 Flashは速度を重視して設計されているため、同等のトークン数において、より大規模なモデル（Qwen3.5-72Bなど）よりも一般的に速く応答を返します。正確なトークン/秒の数値はカタログには記載されていません。ユーザーはOrcaRouterのエンドポイントを通じてパフォーマンスをテストし、各自の具体的なユースケースにおける実際のレイテンシを測定できます。100万トークンのコンテキストウィンドウは、非常に長い入力に対して処理のオーバーヘッドを生じる可能性があります。
強みとしては、マルチモーダル入力、非常に大きなコンテキスト、65Kの出力トークン、トークンあたりの低コストが挙げられます。このモデルは長いドキュメントや動画をうまく処理します。制限事項：より大規模なフロンティアモデルと比較すると、複雑な推論や数学タスクにおいて最も正確とは言えません。また、繊細なマルチステップ指示にも苦戦する可能性があります。最先端の出力品質が重要なタスクでは、より大規模なQwenやGPT-4oクラスのモデルを検討してください。「Flash」アーキテクチャは、ピーク精度よりもスループットとコストを優先します。
価格は、100万入力トークン（テキスト、画像、または動画トークン）あたり0.10ドル、100万出力トークンあたり0.40ドルです。これらの料金はプロバイダーの料金で請求され、OrcaRouterによるマークアップは一切ありません。APIゲートウェイに対する追加料金はありません。この価格設定は直接転嫁されるため、エンドユーザーはOrcaRouterの追加料金なしで、プロバイダーの独自APIを呼び出すのと同じ金額を支払います。トークンカウントは各モダリティの標準トークン化に従います。
入力トークン価格（$0.10/100万トークン）は、マルチモーダルモデルの中でも非常に競争力があります。例えば、多くの大規模マルチモーダルモデルは、入力トークン100万あたり2～10ドルを請求します。出力価格（$0.40/100万トークン）も低めです。しかし、モデルは100万トークンのコンテキストウィンドウを持つため、非常に長い入力を処理すると、トークン単価が低くても総コストが高くなる可能性があります。ユーザーはコンテキスト長とリクエスト数のバランスを考慮すべきです。短い入力の場合、より小さいモデルが絶対コストをさらに低く抑えられる可能性があります。
カタログエントリには、OrcaRouter上のQwen3.5 Flashでキャッシュが利用可能かどうかが指定されていません。ユーザーは、プロンプトキャッシュまたはレスポンスキャッシュ機能の詳細について、OrcaRouterのドキュメントを参照する必要があります。キャッシュがサポートされていない場合、同一の入力を繰り返すたびに完全なトークンコストが発生します。バッチ処理の場合、API呼び出しを減らすために、入力の重複排除やローカルキャッシュの使用を検討してください。価格はプロバイダー料金のままで、キャッシュの状態に関わらずマークアップはありません。
OpenAI互換のエンドポイント https://api.orcarouter.ai/v1 を使用してください。リクエスト内のmodelパラメータを "qwen/qwen3.5-flash" に設定してください。OrcaRouterからAPIキーを提供してください。リクエスト形式はOpenAIのchat completions APIと同じで、ロール（system、user、assistant）と、 "content" 配列に "type": "image_url" または "type": "text" を使用したマルチモーダルコンテンツをサポートしています。動画の場合、フレームを抽出して画像として渡す必要があるかもしれません。正確な動画処理のガイドラインについては、OrcaRouterのドキュメントを参照してください。
標準のOpenAI互換パラメーター：temperature、top_p、max_tokens（最大65536）、stop sequences、presence_penalty、frequency_penalty、seed。max_tokensパラメーターはモデルの最大出力に合わせて65536に制限されています。モデルはstream: trueによるストリーミングをサポートしています。トラッキング用にユーザーIDを設定することもできます。マルチモーダルリクエストの場合は、ユーザーメッセージ内に画像または動画コンテンツを含めてください。モデルはすべてのターンを合わせて合計1,048,576トークンまでのコンテキストウィンドウを受け入れます。
既にOpenAIのPython SDKを使用している場合は、base_urlをhttps://api.orcarouter.ai/v1に変更し、モデル名を"qwen/qwen3.5-flash"に更新してください。認証にはOpenAIキーではなくOrcaRouter APIキーを使用します。リクエストとレスポンスの構造は同一です。他のプロバイダーから移行する場合は、chat completions形式を使用してください。システムプロンプトとマルチモーダルコンテンツは、OpenAIの慣例に従ってフォーマットしてください。エンドポイントとモデル名以外のコード変更は必要ありません。
はい、OrcaRouter APIは複数ターンの会話におけるシステムメッセージ、ユーザーメッセージ、アシスタントメッセージをサポートしています。完全な会話履歴は1,048,576トークンのコンテキストウィンドウにカウントされます。モデルはユーザーメッセージ内のマルチモーダルコンテンツを処理します。動画の場合、複数のフレームを1つのユーザーメッセージ内の画像として送信できます。モデルはターンをまたいでコンテキストを維持するため、長い履歴を持つ拡張されたやり取りが可能ですが、合計トークン数が制限内である必要があります。
Qwen3.5 Flashは、Qwen3.5-72BやQwen3.5-32Bといった大規模なQwenモデルに代わる、より小型で高速、低コストな選択肢です。ベンチマーク精度をいくらか犠牲にする代わりに、レイテンシとコストを抑えています。マルチモーダル入力対応や大規模コンテキストウィンドウ（1M）は、大型の兄弟モデルと共通です。最先端の推論が必要なタスクでは、大型モデルが推奨されます。速度とコストが重視される大量処理やリアルタイムアプリケーションでは、Flashがより適しています。
GPT-4oは、多くの推論およびマルチモーダルベンチマークにおいて高い精度を提供しますが、価格はかなり高くなっています（通常、GPT-4oは入力トークン100万あたり$2.50、GPT-4o miniは$0.15）。Qwen3.5 Flashはより安価（入力$0.10）で、より大きなコンテキストウィンドウ（1M、GPT-4oの128Kに対して）を持ちます。また、出力トークン制限（65K）もGPT-4o mini（16K）を上回っています。非常に長い入力を扱うコスト重視のアプリケーションでは、Qwen3.5 Flashは、優れたマルチモーダル理解を維持しながら、より経済的である可能性があります。
Claude 3 HaikuとGemini 1.5 Flashは類似した 'flash' モデルです。Claude 3 Haikuはテキストのみで、価格は入力トークン100万あたり$0.25です。Gemini 1.5 Flashはマルチモーダル入力をサポートし、100万トークンのコンテキストウィンドウを持ち、価格は入力トークン100万あたり$0.075です。Qwen3.5 Flashのマルチモーダルサポートと100万トークンのコンテキストにより、同様のティアに位置づけられ、出力価格（$0.40/100万）はGemini Flash（$0.30/100万）より高いが、Haiku（$1.25/100万）より低いです。ベンチマーク性能はタスクによって異なります。
OrcaRouterは、Llama 3.1 8BやMistral 7Bのようなオープンソースモデルをホストしています。Qwen3.5 Flashはプロプライエタリモデルですが、コストと性能の面で競合します。オープンソースモデルは通常、トークンごとのコストが低いか無料（コンピュートリソースのみに支払い）ですが、セットアップにはより多くのエンジニアリングが必要となる場合があります。Qwen3.5 Flashは、マークアップゼロのマネージドAPI、100万トークンのコンテキストウィンドウ、そしてほとんどのオープンソースモデルにはないマルチモーダル対応を提供します。これはオープンソースの柔軟性とプロプライエタリな品質の間の良い中間点です。
OpenAI 互換——今お使いの SDK のまま
https://api.orcarouter.ai/v1import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key=os.environ["ORCAROUTER_API_KEY"],
)
response = client.chat.completions.create(
model="qwen/qwen3.5-flash",
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| 入力 / 1M tokens | $0.100 |
| 出力 / 1M tokens | $0.400 |
| 通貨 | USD |
表示価格に基づく概算
見積もりのみ — 実際のトークン数はプロバイダーのトークナイザーに依存します。
今週の開発者の声
@misc{orcarouter_qwen3_5_flash,
title = {qwen/qwen3.5-flash API},
author = {qwen},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/qwen/qwen3.5-flash}
}qwen. (n.d.). qwen/qwen3.5-flash API. OrcaRouter. https://www.orcarouter.ai/models/qwen/qwen3.5-flash