Qwen3.5 Plus — マルチモーダルチャット（テキスト/画像/動画）、100万トークンのコンテキスト、強力なコーディング + エージェント機能。
Qwen3.5-Plusは、Alibaba CloudのQwenチームが開発したQwenシリーズの大規模言語モデル（LLM）です。コンテキストウィンドウは1,048,576トークン、最大出力は65,536トークンをサポートしています。入力モダリティはテキスト、画像、動画に対応しており、マルチモーダル機能を備えています。このモデルはOrcaRouterを通じて提供され、https://api.orc…
その設計に基づき、Qwen3.5-Plusは、幅広い言語およびマルチモーダルタスクを実行できます。テキストタスクには、要約、質問応答、翻訳、コード生成、長文書にわたる推論が含まれます。画像や動画の入力により、視覚コンテンツの説明、画像に関する質問への回答、動画映像の分析が可能です。大規模なコンテキストにより、大量のテキストをスキャンする必要のあるタスク（法的文書開示、科学文献レビュー、マルチターン対話など）で特に効果を発揮します。また、このモデルは多様なドメインにわたる複雑な指示に従うこともできます。
あなたのユースケースが短いテキストプロンプト（例：数百トークン）のみで、マルチモーダル入力を必要としない場合、Qwen2.5-7Bのような小型モデルや同程度にコンパクトなLLMの方がコスト効率が高い可能性があります。Qwen3.5-Plusの100万トークンのコンテキストと多数のパラメータは、小型の代替モデルと比較して、トークン単価が高く、推論が遅くなります。また、最大出力長65,000トークンが必要ない場合は、出力制限が短いより安価なモデルで十分な場合もあります。このモデルを選択する前に、タスクに必要な最小コンテキスト長とモダリティ要件を評価してください。
はい、このモデルは入力モダリティとして画像と動画を受け入れます。これにより、視覚的なシーンの理解、画像内のテキストの読み取り、動画の分析が可能になります。動画の渡し方（例：フレームのストリーム、単一のキーフレーム、圧縮動画ファイル）については、提供された事実では指定されていません。ユーザーは必要な入力形式についてOrcaRouterのAPIドキュメントを参照する必要があります。多くのマルチモーダルLLMと同様に、動画の処理ではフレームあたり大量のトークンを消費する可能性があるため、切り捨てを避けるためにコンテキストウィンドウの慎重な管理が必要です。
提供された事実には、ツールの使用や関数呼び出しに関する情報は含まれていません。通常、多くのQwenモデルはOpenAI互換APIを通じてそのような機能をサポートしていますが、与えられたデータからQwen3.5-Plusについて確認することはできません。開発者はツール呼び出しスキーマを使用してモデルをテストし、互換性を判断する必要があります。ツールの使用が不可欠な場合は、その機能が明示的に文書化されているモデルの使用を検討してください。OrcaRouterのAPIは標準のOpenAIパラメータをサポートしているため、リクエストでfunction_callやtoolsを使用してみても構いません。
指定された事実では、Qwen3.5-Plusのベンチマークスコアは提供されていません。具体的なパフォーマンス数値（例：MMLU、HumanEval、マルチモーダルベンチマークなど）がないため、その精度や推論能力を他のモデルと客観的に比較することはできません。ユーザーは、代表的なタスクで独自の評価を実行し、パフォーマンスを評価する必要があります。Qwen系統に基づけば、初期のモデルは競争力のある結果を示していますが、この特定のバージョンのスコアは利用可能なデータでは公表されていません。潜在的なベンチマーク結果については、Alibaba Cloudの公式Qwenリリースを参照してください。
遅延とスループットは、提供された事実には指定されていません。一般的に、1Mコンテキストウィンドウを持つ大規模モデルは、特に全コンテキストを使用する場合、計算負荷が高くなります。生成速度は、出力長、ビジュアルトークンの数、および基盤となるインフラに依存します。OrcaRouterを使用すると、バッチサイズを小さくし、コンテキストを必要なものだけに制限することで、遅延を低減できる可能性があります。ストリーミング（stream=trueのchat.completions）は、トークンが段階的に返されるため、体感上の遅延を低減することもできます。
Qwen3.5-Plusの主な強みは、1,048,576トークンという大きなコンテキストウィンドウであり、情報を失うことなく非常に長いドキュメントや会話を処理できることです。マルチモーダルサポート（テキスト、画像、動画）により、処理できる入力の範囲が広がります。最大出力の65,536トークンも寛大で、長い要約、レポート、コードの生成が可能です。これらの機能により、単一のモデル呼び出しで重いコンテキストと視覚的理解の両方を必要とするタスクに適した候補となります。
具体的なベンチマークデータがないため、他のLLMと比較した正確な性能は不明です。大きなコンテキストウィンドウは、計算コストとレイテンシの増加につながる可能性があります。また、多くのLLMに共通する「真ん中での見失い」現象により、非常に長いコンテキストでは困難が生じる場合があります。さらに、提供されたデータには、モデルが英語以外の言語をサポートしているかどうか記載されておらず、多言語対応能力は不確かです。最後に、価格情報が示されていないため、ユーザーは多くのトークンを処理するコストを考慮する必要があります。
Qwen3.5-Plusのトークン単位またはリクエスト単位の具体的な料金は、提供された情報には含まれていません。通常、LLMプロバイダーは入力および出力トークン数に基づいて課金し、画像や動画処理に追加料金を課す場合があります。最新の料金を入手するには、OrcaRouterの価格ページを参照するか、営業チームに連絡する必要があります。このモデルの料金は、コンテキストが大きくマルチモーダル機能を持つため、より小規模なQwenバリアントよりも高くなる可能性があります。統合前に必ずコストを確認してください。
1Mのコンテキストウィンドウを使用する場合、コンテキスト全体にトークンを満たすとコストが急速に蓄積される可能性があります。短いコンテキスト（例：32kトークン）で実行可能なタスクには、このモデルを使用すると過剰に支払っている可能性があります。同様に、多くの画像や長い動画を処理すると多くの入力トークンを消費します。最大出力65,536トークンは、長い応答を生成する場合にコストがかかる可能性があることも意味します。シンプルなタスクには小規模なモデルを使用し、大規模コンテキストとマルチモーダル入力を本当に必要とするシナリオにQwen3.5-Plusを取っておくことを検討してください。
提供された事実には、Qwen3.5-Plusにおける繰り返しトークンのキャッシュや割引については言及されていません。一部のAPIプロバイダーは、複数の呼び出しで同一のプレフィックストークンに対するコストを削減するプロンプトキャッシュを提供しています。OrcaRouterがそのような機能をサポートしているかどうかは不明です。詳細を知るには、OrcaRouterのドキュメントを参照するか、サポートに問い合わせてください。キャッシュが利用可能であれば、共通のシステムプロンプトや繰り返し使用されるコンテキストを含むマルチターン会話のようなユースケースにおいて、コストを大幅に削減できる可能性があります。
Qwen3.5-Plusは、OrcaRouterのOpenAI互換APIを介してアクセスされます。ベースURLを「https://api.orcarouter.ai/v1」に設定してください。モデルIDとして「qwen/qwen3.5-plus」を使用します。認証は通常、Authorizationヘッダー内のAPIキー（例：「Bearer YOUR_API_KEY」）を介して行われます。チャット完了リクエストの場合、POSTを/chat/completionsに送信し、JSONボディには「model」フィールドをモデルIDに設定し、OpenAIの形式に従った「messages」配列を含めます。例：{"model": "qwen/qwen3.5-plus", "messages": [{"role": "user", "content": "Hello"}]}
OrcaRouterは、標準的なOpenAIパラメータ（"messages"、"max_tokens"、"temperature"、"top_p"、"frequency_penalty"、"presence_penalty"、"stop"、"stream"）をサポートしています。このモデルは画像や動画の入力に対応しているため、マルチモーダルコンテンツを"content"フィールドに、"type":"text"や"type":"image_url"（または類似）のオブジェクトの配列として渡すことも可能です。動画の正確なスキーマは提供されたデータには定義されていません。完全なパラメータリストについては、OrcaRouterのAPIドキュメントを参照してください。"max_tokens"はモデルの最大出力である65,536トークンを超えてはならないことに注意してください。
別のモデルからQwen3.5-Plusに切り替えるには、APIリクエスト内の"model"フィールドを、以前のモデルID（例："gpt-4"や"qwen2.5-72b"）から「"qwen/qwen3.5-plus"」に更新してください。これらの機能を使用する予定がある場合は、コードがより大きなコンテキストとマルチモーダル入力を処理できるようにしてください。ツール呼び出しや並列関数呼び出しをサポートしていたモデルを使用していた場合は、Qwen3.5-Plusでそれらの機能をテストして互換性を確認してください。また、以前のモデルの最大出力が小さかった場合は、トークン制限を調整してください（max_tokensを適切に設定）。
はい、ストリーミングは標準のOpenAI APIパラメータでサポートされています。リクエストに `\"stream\": true` を設定します。これにより、トークンが生成されるたびに返され、体感レイテンシが低減します。レスポンスはServer-Sent Events (SSE)のストリームになります。各イベントには、メッセージの次の部分のデルタが含まれています。これはOpenAIのストリーミングモードとまったく同じように動作します。マルチモーダル入力の場合、モデルが画像や動画を処理するため、最初のチャンクにわずかな遅延が生じる可能性があります。OrcaRouterのAPIはOpenAIと同じストリーミング形式に従っているため、既存のストリーミングコードを新しいモデルIDで再利用できます。
Qwen3.5-Plusは、Qwenシリーズの新しいバージョンです。提供された情報にはQwen2.5に対する具体的な性能向上は含まれていませんが、一般的に新しいバージョンではより長いコンテキストサポートと改良されたトレーニングが追加されます。Qwen2.5モデルは通常128kトークンまでのコンテキストウィンドウを持ちますが、Qwen3.5-Plusは1Mを提供します。また、Qwen3.5-Plusは入力モダリティとして動画を明示的にリストしており、これは古いQwen2.5バリアントでは利用できない可能性があります。より大きなコンテキストや動画入力が必要ない場合、Qwen2.5モデルの方がコスト効率が良く、高速である可能性があります。
Gemini 1.5 Pro（1Mトークン）、Claude 3.5 Sonnet（200k）、GPT-4 Turbo（128k）などのモデルも長いコンテキストを提供しています。Qwen3.5-PlusはGemini 1.5 Proの1Mトークンコンテキストに匹敵し、他のほとんどのモデルを上回ります。また、動画入力の追加はLLMの中でも比較的まれです。しかし、ベンチマークデータがないと、精度、推論、コーディング能力の比較は困難です。価格とレイテンシもプロバイダーによって異なります。ユーザーは自分の特定のタスクに基づいて評価すべきです。OrcaRouterは複数のモデルへのアクセスを提供し、簡単に切り替えと比較が可能です。
ユースケースで非常に長いコンテキスト（256kトークン以上）とマルチモーダル入力（テキスト、画像、動画）を単一モデルで必要とする場合、このモデルを選択することになります。例えば、数時間の動画とその文字起こしを分析する、または図表が埋め込まれた書籍全体を読むといったケースです。タスクが短いコンテキストの純粋なテキストである場合、より安価で高速な代替手段（例：Qwen2.5-7BやGPT-4o-mini）の方が適しています。また、16kトークン以上の出力が必要な場合、Qwen3.5-Plusの最大65kトークン出力が有利になる可能性があります。
提供された事実には、Qwen3.5-Plusのデータ処理やプライバシーに関する詳細は含まれていません。OrcaRouterを使用する際は、データがどのように処理、保存、または記録されるかを理解するために、そのプライバシーポリシーと利用規約を確認する必要があります。他社のAPIと同様に、プロバイダーのセキュリティ認証（例：SOC 2、GDPR準拠）を確認していない限り、機密性の高い個人情報を送信しないでください。モデル自体はOrcaRouterとAlibaba Cloudが管理するインフラストラクチャ上でホストされており、一般的なAPIプロバイダーはサービスの提供のために一時的にのみデータを保持します。
OpenAI 互換——今お使いの SDK のまま
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| 階層 | 入力 / 1M tokens | 出力 / 1M tokens |
|---|---|---|
| ≤ 256K | $0.400 | $2.40 |
| ≤ 1.0M | $0.500 | $3.00 |
| 階層はリクエストごとの入力トークン数で決定されます | ||
表示価格に基づく概算
段階制料金 — この見積もりは基本ティアの料金を使用しています。
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。
@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