Qwen3.5 Flash スナップショット 2026-02-23 — qwen3.5-flash の凍結バージョン、同じ機能。
qwen/qwen3.5-flash-2026-02-23 は、Alibaba の Qwen ファミリーに属する Qwen3.5 Flash モデルの特定のバージョンです。テキスト、画像、動画の入力をサポートするマルチモーダルモデルです。コンテキストウィンドウは 1,048,576 トークンで、1 リクエストあたり最大 65,536…
このモデルは、大規模言語モデルに典型的な幅広いテキストベースのタスク（要約、翻訳、質問応答、クリエイティブライティング、コード生成など）を実行できます。大規模なコンテキストウィンドウにより、長文書の理解や多くのターンにわたる対話の維持を必要とするタスクに特に適しています。また、このモデルは少数例学習（few-shot）やゼロショット学習（zero-shot）も可能であり、広範な微調整を必要とせずに指示に従うことができます。ただし、これらのタスクに対して具体的な精度指標は提供されていません。正確な数学的推論や事実の想起を必要とするタスクでは、独自のベンチマークでモデルを評価する必要があるかもしれません。
このモデルはプロンプトの一部として画像入力を受け付けます。画像の説明、視覚コンテンツに関する質問への回答、画像からのテキストやオブジェクトの抽出が可能です。画像はコンテキストウィンドウの一部を消費する一連のトークンとして表現されます。1リクエストあたりの最大画像サイズや画像数は指定されていません。実際には、高解像度の画像ほど多くのトークンを使用します。最良の結果を得るには、鮮明で明るい画像を提供してください。このモデルは画像生成や出力をサポートしていません。通常のマルチモーダル形式を超えて、複数画像の連続処理やテキストと画像の交互配置を処理するかどうかについては、情報が提供されていません。
ビデオ入力に対応しており、フレームをサンプリングしてトークン化することで機能する可能性が高いです。このモデルは、短いビデオクリップの要約、動作認識、または質問応答のために分析できます。各フレームはコンテキストウィンドウからトークンを消費するため、ビデオの長さは利用可能なコンテキストによって制限されます。フレームサンプリングレートや最大ビデオ時間に関する具体的な詳細は提供されていません。本番環境で使用する場合は、ビデオを前処理してキーフレームを抽出することを検討してください。このモデルはビデオ出力を生成しません。アプリケーションでリアルタイムのビデオ処理が必要な場合は、ビデオトークン化が計算負荷の高い処理となり得るため、レイテンシを慎重にテストしてください。
このモデルは、入力トークン100万個あたり$0.10、出力トークン100万個あたり$0.40かかります。アプリケーションが単純なタスクに対して低い精度を許容できる場合、より小さなモデル（例：Qwen2.5-0.5B）はさらに安価になる可能性があります。複雑な推論やクリエイティブライティングに高品質が必要な場合は、より大きなモデル（例：Qwen3.5-Plus（利用可能な場合）やGPT-4o）を検討してください。これらのモデルはトークンあたりのコストが高いかもしれませんが、ベンチマークパフォーマンスは優れています。flashバリアントは、速度とコストが優先される大量処理のアプリケーションに最適です。このページでは、このモデル向けに文書化されたファインチューニングやカスタマイズの提供はありません。
このモデルの主な強みは、大きなコンテキストウィンドウ（1,048,576トークン）、マルチモーダル入力対応（テキスト、画像、動画）、および低いトークン単価（100万トークンあたり$0.10/$0.40）です。速度と効率性を重視して設計されており、リアルタイムアプリケーションに適しています。「flash」という名称は、より大規模なモデルと比較してレイテンシーを低く最適化されていることを示唆しています。このページにはベンチマークスコアが提供されていないため、標準的なNLPや視覚タスクにおける正確なパフォーマンスは不明です。一般的なflashモデルに基づくと、スループットとコストのために精度を犠牲にしている可能性があります。
正直な限界として、提供されるベンチマークデータの欠如が挙げられます。これがないため、ユーザーは自身のタスクでモデルの性能を検証する必要があります。本モデルはフラッシュバリアントであるため、複雑な推論、数学、事実検索において、より大規模または汎用モデルの精度に及ばない可能性があります。ビデオサポートは、コンテキストとフレームサンプリング効率によって制限される場合があります。具体的な速度やレイテンシの数値は提供されていないため、実際のスループットはOrcaRouterのインフラストラクチャに依存します。本モデルは、このAPIを介したファインチューニングやカスタムエンベディングエンドポイントをサポートしていません。さらに、モデルの知識カットオフ日は指定されておらず、最新のイベントで更新されていない可能性があります。
このページでは、このモデルのレイテンシは指定されていません。フラッシュバリアントとして、より大きなモデルよりも高速な推論を提供することが期待されますが、実際の速度は入力長、OrcaRouterが使用するハードウェア、同時リクエスト負荷などの要因に依存します。リアルタイムアプリケーションの場合、代表的なペイロードでテストしてください。OrcaRouterのAPIエンドポイントはスケーラブルなインフラストラクチャでホストされていますが、レイテンシに関する保証はありません。ユーザーは自身のワークロードでベンチマークを実施する必要があります。大きなコンテキストウィンドウは、コンテキスト全体を処理しなければならない場合、最初のトークンまでの時間を増加させる可能性があります。必要なコンテキストのみを要求することで、応答時間を改善できます。
このページでは、qwen/qwen3.5-flash-2026-02-23 に関する公式のベンチマークデータは提供されていません。モデルを評価するには、Hugging Face 上の Qwen モデルカードや Qwen GitHub リポジトリで、一般的な Qwen3.5 Flash のパフォーマンスを参照してください。一般的な評価軸としては MMLU、HumanEval、ビジュアル QA ベンチマークなどがありますが、この特定のスナップショットでは結果が異なる場合があります。OrcaRouter はこのモデルに関する独自のベンチマークを公開していません。ユーザーは、特に安全性、バイアス、またはドメイン固有の精度に関して、自身のユースケースへの適合性を判断するために、独自の評価を実施することを推奨します。
価格は、入力トークン100万件あたり0.10ドル、出力トークン100万件あたり0.40ドルです。これらはプロバイダーのレートであり、OrcaRouterによるマークアップは一切ありません。入力トークンにはテキスト、画像、動画フレームが含まれます。出力トークンは生成されたテキストのみがカウントされます。リクエストごとの手数料はなく、まとめ買いや予約キャパシティに対する特別価格は明記されていません。コストは各APIコールで使用された入力トークンと出力トークンの合計に対して発生します。一般的な1,000トークンの入力と500トークンの出力の場合、コストは約0.0003ドルです。マークアップがないため、コストはQwenの請求額とまったく同じです。
OrcaRouterは、このモデルをプロバイダー料金で請求し、マークアップは一切ありません。つまり、追加のサービス料なしで、入力トークン100万トークンあたり正確に0.10ドル、出力トークン100万トークンあたり0.40ドルをお支払いいただくことになります。トークン価格の一部として、APIリクエスト、認証、データ転送に対する隠れた料金は発生しません。ただし、ネットワークコストはお客様のインフラストラクチャによって適用される場合があります。無料ティアについては言及されていません。この透明な価格設定により、コストの計算が容易になり、マージンを追加する可能性のある他社のモデルと比較することも簡単です。料金はプロバイダーによって変更される可能性があります。最新情報はOrcaRouterの価格ページをご確認ください。
このページには、このモデルに関するキャッシング割引やボリューム価格は記載されていません。各トークンはAPI呼び出しごとに個別に課金されます。プロンプトキャッシング、割引バッチ処理、または確約使用割引については言及されていません。大量利用を見込まれる場合は、カスタム取り決めの可能性についてOrcaRouterにお問い合わせください。ただし、保証はありません。価格構造はシンプルで、入力トークンは$0.10/M、出力トークンは$0.40/M、無料枠はありません。キャッシュされたプロンプトに対して低価格を提供しているプロバイダーも一部ありますが、このモデルは現時点ではそのような機能を宣伝していません。
100万トークンあたり$0.10/$0.40で、このモデルは多くのオープンウェイトのFlashモデルと競争力があります。例えば、一部のLlama 3.1 8Bバリアントも同様の価格設定です。GPT-4o miniのような大規模モデルは、トークンあたりのコストが高い傾向があります。主な差別化要因は、OrcaRouterによるマークアップゼロであり、プロバイダーの正確なレートを支払うことです。比較する際には、コンテキストウィンドウサイズも考慮してください：このモデルは1,048,576トークンを提供し、複雑なチャンキングの必要性を減らす可能性があります。ただし、ベンチマークデータがない場合、コストだけでは選択の十分な根拠にはなりません。特定のタスクに対する精度とレイテンシを評価してください。
このモデルを使用するには、OrcaRouterのOpenAI互換APIエンドポイント（https://api.orcarouter.ai/v1）にリクエストを送信します。modelパラメータを正確に"qwen/qwen3.5-flash-2026-02-23"に設定してください。Authorizationヘッダーに、OrcaRouterから取得したAPIキーを含める必要があります。このAPIは標準のOpenAIチャット補完形式をサポートしています。マルチモーダル入力（画像、動画）はメッセージコンテンツリストに含めることができます。例えば、"chat/completions"エンドポイントをメッセージ配列とともに使用します。追加の設定は必要ありません。認証とレート制限については、OrcaRouterのドキュメントを参照してください。
このAPIは、標準的なOpenAI互換のパラメータ（model（必須）、messages（必須）、temperature、top_p、max_tokens、stop、frequency_penalty、presence_penalty、streamなど）をサポートしています。max_tokensは最大65,536まで設定可能です。messages配列には、system、user、assistantのロールを含めることができます。マルチモーダルコンテンツは、型が"text"または"image_url"のオブジェクトとして構造化されます。動画の場合は、複数のimage_urlエントリを使用できます。このモデル固有のカスタムパラメータはドキュメント化されていません。streamのようなパラメータは、リアルタイムのトークン出力を可能にします。必ず希望のパラメータでテストしてください。特定の組み合わせ（例：高温設定と長いコンテキスト）では、予測不能な結果が生じる可能性があります。
移行は、OrcaRouterのAPIがOpenAI互換であるため簡単です。ベースURLをhttps://api.openai.com/v1からhttps://api.orcarouter.ai/v1に変更してください。モデルIDを任意のGPTモデルから"qwen/qwen3.5-flash-2026-02-23"に変更します。OrcaRouterのAPIキーを取得し、Authorizationヘッダーに設定してください。既存のコードでOpenAI Pythonライブラリを使用している場合は、OpenAIクライアントのbase_urlとapi_keyを更新するだけです。このモデルはマルチモーダル入力をサポートしているため、以前は別のビジョンエンドポイントを使用していた場合でも、現在はチャット形式で画像を直接渡すことができます。出力が異なるため、徹底的にテストしてください。
すべてのAPIコールのベースURLは https://api.orcarouter.ai/v1 です。正確なモデルIDは "qwen/qwen3.5-flash-2026-02-23" です。この文字列は、スラッシュと日付のサフィックスを含め、提供されたとおりに正確に使用する必要があります。チャット補完のエンドポイントは POST /v1/chat/completions です。ストリーミングの場合は、streamパラメータを追加します。このモデルに対して、他のエンドポイント（例：embeddings、fine-tuning）はリストされていません。OrcaRouterのサイトで最新のエンドポイントドキュメントを必ず確認してください。モデルIDはQwenがネイティブで使用するものと異なる場合があります。常にOrcaRouterのモデルIDを使用してください。
Qwen3.5-Plusは、より大規模で高性能なバリエーションである可能性が高い。どちらのモデルについても具体的な詳細は提供されていないが、flashバリアントは一般的に精度を犠牲にして速度と低コストを重視している。flashモデルの価格は低く（$0.10/$0.40、通常Plusの方が高い）。どちらも同じコンテキストウィンドウとモダリティをサポートしている可能性が高い。完全な精度が必要ない高スループットのシナリオではflashを選択し、複雑なタスクにはPlusを選択すること。ベンチマークデータがないため、可能であれば自分のデータで両方をテストすること。flashモデルには日付タグ2026-02-23も含まれており、特定のスナップショットを示している。
Llama 3.1 8Bは、標準コンテキストウィンドウが128Kトークンの人気のあるオープンウェイトモデルです。このQwen flashモデルは、はるかに大きなコンテキスト（1,048,576トークン）を提供し、画像や動画入力をネイティブにサポートしますが、Llama 3.1は主にテキスト向けです。OrcaRouterでのLlamaの価格は、類似または若干異なる場合があります。価格ページをご確認ください。同程度のコストでテキストのみのタスクには、既存のインフラがある場合はLlamaが好まれるかもしれません。マルチモーダルなニーズには、このQwenモデルが有利です。どちらもOrcaRouterのOpenAI互換APIを介してアクセスできます。
OpenAI の GPT-4o-mini は、より小型で低コストのモデルであり、128K のコンテキストウィンドウを備えています。テキストと画像入力に対応していますが、動画はサポートしていません。OrcaRouter 上の GPT-4o-mini の価格はここでは示されていませんが、通常は 100 万トークンあたり約 $0.15/$0.60 です。一方、この Qwen モデルは入力トークンでわずかに安く ($0.10)、出力トークンでも同様に安価 ($0.40) です。Qwen モデルの大きな利点は、100 万トークンのコンテキストと動画サポートです。ただし、GPT-4o-mini の方がより徹底したベンチマーク測定が行われており、より広範なエコシステムサポートが期待できる可能性があります。長いコンテキストや動画の必要性、モデルの性能への信頼度に基づいて選択してください。
他のフラッシュモデル（Llama 3.2 FlashやMistral smallなど）は、通常、より小さいコンテキストウィンドウ（例：128K）を持ち、動画をサポートしていない場合があります。このQwen flashモデルの100万トークンのコンテキストは際立った特徴です。価格は競争力のある$0.10/$0.40です。フラッシュモデルに共通する制限としては、複雑な推論や事実に基づくタスクにおける精度の低さが挙げられます。最高の品質を要求するアプリケーションには、同じファミリーの非フラッシュモデルや、より大規模なクローズドモデルの方が適している場合があります。速度やベンチマークスコアに関する具体的な比較は提供されていません。
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-2026-02-23",
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_2026_02_23,
title = {qwen/qwen3.5-flash-2026-02-23 API},
author = {qwen},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/qwen/qwen3.5-flash-2026-02-23}
}qwen. (n.d.). qwen/qwen3.5-flash-2026-02-23 API. OrcaRouter. https://www.orcarouter.ai/models/qwen/qwen3.5-flash-2026-02-23