Qwen3.5 Flash 快照 2026-02-23 — qwen3.5-flash 的冻结版本，功能相同。
qwen/qwen3.5-flash-2026-02-23 是阿里巴巴Qwen系列中Qwen3.5 Flash模型的一个特定版本。它是一个支持文本、图像和视频输入的多模态模型。其上下文窗口为1,048,576个token，每次请求最多可生成65,536个token。该模型专为速度和成本效率而设计，适合需要快速响应和高吞吐量的应用。您可以通过OrcaRouter的OpenAI兼容API访问该模型，并…
该模型能够执行大型语言模型典型的各种基于文本的任务：摘要、翻译、问答、创意写作、代码生成等。其大上下文窗口使其特别适合需要理解长文档或跨多轮保持对话的任务。该模型还具备少样本和零样本学习能力，这意味着无需大量微调即可遵循指令。不过，这些任务没有提供具体的准确度指标。对于需要精确数学推理或事实回忆的任务，您可能需要根据自有基准对模型进行评估。
该模型接受图像输入作为提示的一部分。它可以描述图像、回答关于视觉内容的问题，并从图像中提取文本或对象。图像以令牌序列的形式表示，这些令牌会占用部分上下文窗口。未指定每张图像的最大尺寸或每个请求的最大图像数量；实际上，高分辨率图像会消耗更多令牌。为获得最佳效果，请提供清晰、光线充足的图像。该模型不支持图像生成或输出。未提供关于它是否处理多图像序列或文本与图像交错（超出典型多模态格式）的信息。
支持视频输入，可能通过采样帧并对其进行分词化实现。该模型可分析短视频剪辑，用于摘要生成、动作识别或问答任务。每帧会消耗上下文窗口中的令牌，因此视频长度受可用上下文限制。未提供关于帧采样率或最大视频时长的具体细节。生产环境中，建议预处理视频以提取关键帧。该模型不生成视频输出。若应用需要实时视频处理，请仔细测试延迟，因为视频分词化计算密集度高。
此模型每100万输入tokens收费0.10美元，每100万输出tokens收费0.40美元。如果您的应用在简单任务上可以容忍较低的精度，更小的模型（如Qwen2.5-0.5B）可能成本更低。如果您需要更高质量完成复杂推理或创意写作，可考虑更大的模型，例如Qwen3.5-Plus（如有）或GPT-4o，虽然每token成本更高，但基准测试表现更优。Flash变体非常适合速度和成本优先的高流量应用。此页面未记录该模型的微调或定制服务。
该模型的主要优势在于其大上下文窗口（1,048,576 tokens）、多模态输入支持（文本、图像、视频）以及低每token定价（每1M tokens $0.10/$0.40）。其设计注重速度和效率，适用于实时应用。flash这一名称表明它针对更低延迟进行了优化，相较于较大模型有所改进。此页面未提供基准测试分数，因此其在标准NLP或视觉任务上的确切性能未知。基于典型的flash模型，它可能牺牲了一定的准确率以换取更高的吞吐量和更低的成本。
诚实的限制包括未提供基准数据；没有这些数据，用户必须自行验证模型在自己任务上的表现。该模型是快速变体，因此在复杂推理、数学或事实检索方面可能无法媲美更大或通用模型的准确性。视频支持可能受限于上下文长度和帧采样效率。由于未提供具体的速度或延迟数据，实际吞吐量取决于OrcaRouter的基础设施。该模型不支持通过此API进行微调或自定义嵌入端点。此外，模型的知识截止日期未明确说明，可能未更新至最新事件。
此页面上未指定该模型的延迟。作为闪存变体，它预计会比更大模型提供更快的推理速度，但实际速度取决于输入长度、OrcaRouter使用的硬件以及并发请求负载等因素。对于实时应用，请使用代表性负载进行测试。OrcaRouter的API端点托管在可扩展的基础设施上，但不提供延迟保证。用户应使用自己的工作负载进行基准测试。如果必须处理整个上下文，较大的上下文窗口可能会增加首个令牌的生成时间。仅请求必要的上下文可以改善响应时间。
此页面未提供 qwen/qwen3.5-flash-2026-02-23 的官方基准数据。如需评估该模型，请参阅 Hugging Face 上的 Qwen 模型卡或 Qwen GitHub 仓库，以了解 Qwen3.5 Flash 的典型性能。常见评估维度包括 MMLU、HumanEval 和视觉问答基准，但该特定快照的结果可能有所不同。OrcaRouter 未发布针对此模型的自有基准。建议用户自行运行评估，以确定其是否适用于特定用例，尤其是在安全性、偏见或领域特定准确性方面。
定价为每100万输入令牌0.10美元，每100万输出令牌0.40美元。这些是提供商费率，OrcaRouter不加价。输入令牌包括文本、图像和视频帧。输出令牌仅计算生成的文本。没有按请求收费，也没有针对批量或预留容量的特殊定价。每次API调用的成本由输入和输出令牌的总和决定。对于典型的1000令牌输入和500令牌输出，成本约为0.0003美元。由于没有加价，成本与Qwen收取的费用完全一致。
OrcaRouter 按照提供商费率对此模型进行计费，零加成。这意味着您只需为每100万输入令牌支付0.10美元，每100万输出令牌支付0.40美元，无需任何额外服务费。令牌定价中不包含API请求、认证或数据传输的隐藏费用。不过，根据您的基础设施，可能需承担标准网络成本。未提及免费套餐。这种透明的定价方式让成本计算变得简单，也便于与可能加价的其他提供商模型进行比较。费率可能会由提供商调整；请查看OrcaRouter定价页面以获取更新。
本页未记录此模型的缓存折扣或批量定价。每次API调用均按单个token计费。未提及提示缓存、折扣批处理或承诺使用量折扣。若预期高用量，可联系OrcaRouter商讨可能的定制方案，但不作任何保证。定价结构简单明了：输入token为$0.10/M，输出token为$0.40/M，无免费层级。与某些为缓存提示提供更低价格的提供商不同，该模型目前未宣传此类功能。
以每百万token 0.10美元/0.40美元的价格，该模型与许多开放权重闪存模型具有竞争力。例如，一些Llama 3.1 8B变体定价类似。像GPT-4o mini这样的大型模型通常每token成本更高。关键区别在于OrcaRouter的零加价，因此你支付的正是提供商费率。在比较时，还需考虑上下文窗口大小：该模型提供1,048,576个token，这可以减少复杂分块的需求。然而，在没有基准测试数据的情况下，仅凭成本不足以选择；请针对你的特定任务评估准确性和延迟。
要使用此模型，请向 OrcaRouter 兼容 OpenAI 的 API 端点发送请求，地址为 https://api.orcarouter.ai/v1。将模型参数精确设置为 "qwen/qwen3.5-flash-2026-02-23"。您必须在 Authorization 标头中包含 API 密钥（从 OrcaRouter 获取）。该 API 支持标准的 OpenAI chat completions 格式。多模态输入（图像、视频）可以包含在消息内容列表中。例如，使用带有 messages 数组的 "chat/completions" 端点。无需额外配置。有关身份验证和速率限制，请参阅 OrcaRouter 的文档。
该 API 支持标准的 OpenAI 兼容参数：model（必需）、messages（必需）、temperature、top_p、max_tokens、stop、frequency_penalty、presence_penalty、stream 等。max_tokens 最多可设置为 65,536。messages 数组可包含 system、user 和 assistant 角色。多模态内容以包含 "text" 或 "image_url" 类型的对象进行结构化。对于视频，可以使用多个 image_url 条目。目前没有记录此模型特定的自定义参数。像 stream 这样的参数支持实时输出 token。始终使用所需参数进行测试，因为某些组合（例如，高温与长上下文）可能会产生不可预测的结果。
迁移过程非常简单，因为 OrcaRouter 的 API 与 OpenAI 兼容。将基础 URL 从 https://api.openai.com/v1 替换为 https://api.orcarouter.ai/v1。将模型 ID 从任何 GPT 模型更改为 "qwen/qwen3.5-flash-2026-02-23"。获取 OrcaRouter API 密钥并将其设置在 Authorization 标头中。如果现有代码使用 OpenAI Python 库，只需更新 OpenAI 客户端中的 base_url 和 api_key。请注意，该模型支持多模态输入，因此如果您之前使用了单独的视觉端点，现在可以直接在聊天格式中传递图像。请进行充分测试，因为输出会有所不同。
所有 API 调用的基础 URL 为 https://api.orcarouter.ai/v1。确切的模型 ID 是 "qwen/qwen3.5-flash-2026-02-23"，该字符串必须原样使用，包括斜杠和日期后缀。聊天补全的端点是 POST /v1/chat/completions。如果需要流式传输，请添加 stream 参数。此模型未列出其他端点（如嵌入、微调）。请始终在 OrcaRouter 网站上验证最新端点文档。该模型 ID 可能与 Qwen 原生使用的 ID 不同；请始终使用 OrcaRouter 的模型 ID。
Qwen3.5-Plus 可能是一个更大、能力更强的变体。虽然这两个模型都没有提供具体细节，但 flash 变体通常以牺牲准确率换取速度和更低成本。Flash 模型价格更低（$0.10/$0.40，而 Plus 通常更贵）。两者可能支持相同的上下文窗口和多模态能力。对于不需要完美准确率的高吞吐量场景，选择 flash；对于复杂任务，选择 Plus。由于没有可用的基准数据，如果可能的话，请在您自己的数据上测试这两个模型。flash 模型还包含日期标签 2026-02-23，表示特定的快照版本。
Llama 3.1 8B 是一个流行的开源权重模型，标准上下文窗口为128K个令牌。而Qwen flash模型提供了更大的上下文（1,048,576个令牌），并原生支持图像和视频输入，而Llama 3.1主要处理文本。在OrcaRouter上的定价可能相似或略有不同，请查看定价页面。对于成本相近的纯文本任务，如果你已有现有基础设施，Llama可能是更优选择。对于多模态需求，此Qwen模型更具优势。两者均可通过OrcaRouter的兼容OpenAI的API进行访问。
OpenAI的GPT-4o-mini是一款体积更小、成本更低的模型，拥有128K上下文窗口。它支持文本和图像输入，但不支持视频。在OrcaRouter上，GPT-4o-mini的价格未在此处给出，但通常约为每100万token $0.15/$0.60。而Qwen模型在输入token方面略便宜（$0.10），输出token也稍低（$0.40）。Qwen模型的主要优势在于1M上下文和视频支持。但GPT-4o-mini可能经过了更全面的基准测试，并拥有更广泛的应用生态支持。请根据您对长上下文或视频的需求，以及对模型性能的信任度来做出选择。
其他Flash模型（如Llama 3.2 Flash或Mistral small）通常拥有较小的上下文窗口（例如128K），且可能不支持视频处理。而Qwen Flash模型的百万token上下文是一个突出特点。其定价具有竞争力，为$0.10/$0.40。Flash模型的共同局限包括在复杂推理和事实性任务上的准确性较低。对于需要最高质量的应用程序，同一系列的非Flash模型或更大的闭源模型可能更合适。未提供关于速度或基准测试分数的具体对比。
兼容 OpenAI——沿用你现有的 SDK
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| 输入 / 1M tokens | $0.100 |
|---|---|
| 输出 / 1M tokens | $0.400 |
| 货币 | USD |
基于标价的估算
仅为估算——实际 Token 数取决于提供商的分词器。
本周开发者的讨论
@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