Qwen3.5 Flash snapshot 2026-02-23 — qwen3.5-flash 的凍結版本，功能相同。
qwen/qwen3.5-flash-2026-02-23 是阿里旗下Qwen系列中Qwen3.5 Flash模型的一個特定版本。它是一款支援文字、圖片和影片輸入的多模態模型。其上下文視窗為1,048,576個令牌，每次請求可生成最多65,536個令牌。該模型專為速度與成本效益而設計，適合需要快速回應和高吞吐量的應用。它透過OrcaRouter的OpenAI兼容API進行存取，使用完全如所示的模型…
此模型能執行大型語言模型典型的廣泛文字任務：摘要、翻譯、問答、創意寫作、程式碼生成等等。其大型上下文視窗使其特別適合需要理解長文件或維持多輪對話的任務。該模型也具備少樣本和零樣本學習能力，這意味著它可以在無需大量微調的情況下遵循指令。然而，並未提供這些任務的具體準確度指標。對於需要精確數學推理或事實回憶的任務，您可能需要根據自己的基準來評估該模型。
模型接受圖像輸入作為提示的一部分。它可以描述圖像、回答關於視覺內容的問題，以及從圖像中提取文字或物體。圖像被表示為一連串的標記，這些標記會消耗部分上下文窗口。未指定最大圖像大小或每個請求的圖像數量；實際上，高解析度圖像將使用更多的標記。為獲得最佳效果，請提供清晰、光線充足的圖像。該模型不支援圖像生成或輸出。未提供關於它是否處理多圖像序列或交錯文字與圖像（超出典型多模態格式）的資訊。
支援視訊輸入，可能透過取樣影格並將其分詞化。模型可分析短視訊片段以進行摘要、動作辨識或問答。每個影格會消耗上下文視窗中的詞元，因此視訊長度受限於可用的上下文。未提供影格取樣率或最大視訊時長的具體細節。在生產環境中，請考慮對視訊進行前處理以提取關鍵影格。模型不會產生視訊輸出。若您的應用需要即時視訊處理，請仔細測試延遲，因為視訊分詞化可能耗費大量運算資源。
此模型每100萬個輸入代幣收費0.10美元，每100萬個輸出代幣收費0.40美元。如果你的應用程式對於簡單任務可以接受較低的準確度，更小的模型（例如Qwen2.5-0.5B）可能更便宜。如果你需要更複雜推理或創意寫作的較高品質，考慮使用更大的模型，如Qwen3.5-Plus（若有）或GPT-4o，它們每代幣成本可能較高，但提供更好的基準表現。flash變體非常適合重視速度和成本的高用量應用程式。此頁面未記錄此模型有任何微調或自訂化方案。
此模型的主要優勢在於其巨大的上下文窗口（1,048,576 個 token）、多模態輸入支援（文字、圖片、影片），以及低廉的每個 token 定價（每 1M token $0.10/$0.40）。它專為速度與效率設計，因此適用於即時應用。其「flash」命名暗示相較於較大型的模型，它已針對更低的延遲進行最佳化。此頁面未提供基準測試分數，因此其在標準 NLP 或視覺任務上的確切表現尚不明確。根據典型的 flash 模型推測，它可能在準確度上做出取捨，以換取更高的吞吐量與更低的成本。
誠實的限制包括缺乏提供的基準數據；沒有它，用戶必須自行驗證模型在其任務上的表現。該模型是 flash variant，因此在複雜推理、數學或事實檢索方面，可能無法與較大或通用模型的準確度相匹配。影片支援可能受到上下文和幀取樣效率的限制。由於沒有提供具體的速度或延遲數據，實際吞吐量取決於 OrcaRouter 的基礎設施。該模型不支援透過此 API 進行微調或自訂嵌入端點。此外，未指定模型的知識截止日期；它可能未更新最新事件。
此頁面上未指定此型號的延遲。作為快閃變體，預計其推論速度會比大型模型更快，但實際速度取決於輸入長度、OrcaRouter 使用的硬體以及並發請求負載等因素。對於即時應用程式，請使用代表性負載進行測試。OrcaRouter 的 API 端點託管於可擴展基礎架構上，但不對延遲作出任何保證。使用者應使用自己的工作負載進行基準測試。如果必須處理整個上下文，較大的上下文視窗可能會增加首個 Token 的生成時間。僅請求必要的上下文有助於改善回應時間。
此頁面未提供qwen/qwen3.5-flash-2026-02-23的官方基準數據。如需評估該模型，請參閱Hugging Face上的Qwen模型卡片或Qwen GitHub儲存庫，以了解典型Qwen3.5 Flash的效能表現。常見的評估維度包括MMLU、HumanEval及視覺問答基準，但此特定快照版本的結果可能有所不同。OrcaRouter並未針對此模型發布其自身的基準測試。建議使用者自行進行評估，以判斷該模型是否適合其特定使用場景，尤其是在安全性、偏見或特定領域準確性方面。
定價為每100萬個輸入token 0.10美元，每100萬個輸出token 0.40美元。這些是供應商費率，OrcaRouter不加收任何費用。輸入token包括文字、圖片和影片幀。輸出token僅計算生成的文字。沒有每次請求的費用，也沒有針對大量或預留容量的特殊定價文件。費用按每次API呼叫所使用的輸入與輸出token總和計算。典型的1,000個輸入token與500個輸出token，成本約為0.0003美元。由於沒有加價，成本即為Qwen收取的費用。
OrcaRouter 以此模型的提供商費率計費，完全不加價。這表示你支付的價格為每 100 萬輸入 tokens 0.10 美元、每 100 萬輸出 tokens 0.40 美元，無任何額外服務費。在 token 定價中，不會對 API 請求、驗證或資料傳輸收取隱藏費用。然而，根據你的基礎設施，可能仍會產生標準的網路費用。文中未提及任何免費方案。這種透明的定價方式讓你輕鬆計算成本，並與其他可能加價的提供商模型進行比較。該費率可能由提供商變更，請查閱 OrcaRouter 的定價頁面以獲取最新資訊。
此頁面上未記載此模型有快取折扣或大量訂購優惠。每個代幣按每次API呼叫單獨計費。未提及提示快取、折扣批次處理或承諾用量折扣。若您預期有大量用量，可聯絡OrcaRouter洽談潛在的客製化安排，但不提供任何保證。定價結構簡單明瞭：輸入代幣$0.10/M，輸出代幣$0.40/M，無免費方案。與某些提供較低快取提示價格的供應商不同，此模型目前並未宣傳此類功能。
每個百萬Token $0.10/$0.40 的價格，使此模型與許多開放權重的 Flash 模型相當。例如，部分 Llama 3.1 8B 變體的定價與之相近。較大的模型如 GPT-4o mini 通常有更高的每 Token 成本。關鍵差異在於 OrcaRouter 不收取任何加價，因此您支付的就是提供商的原始費率。比較時，也應考量上下文視窗大小：此模型提供 1,048,576 個 Token，可能減少複雜的分塊需求。然而，若無基準測試數據，單憑成本並不足以作為選擇依據；請根據您的特定任務評估準確度與延遲。
若要使用此模型，請將請求發送至 OrcaRouter 的 OpenAI 相容 API 端點：https://api.orcarouter.ai/v1。將 model 參數設定為 "qwen/qwen3.5-flash-2026-02-23"。您必須在 Authorization 標頭中包含 API 金鑰（向 OrcaRouter 取得）。此 API 支援標準的 OpenAI 聊天完成格式。多模態輸入（影像、影片）可包含在訊息內容列表中。例如，使用 "chat/completions" 端點並搭配 messages 陣列。無需額外設定。有關驗證和速率限制，請參閱 OrcaRouter 的文件。
該API支援標準的 OpenAI 相容參數：model（必填）、messages（必填）、temperature、top_p、max_tokens、stop、frequency_penalty、presence_penalty、stream 等。max_tokens 最多可設為 65,536。messages 陣列可包含 system、user 和 assistant 角色。多模態內容以物件結構呈現，類型為 "text" 或 "image_url"。對於影片，可使用多個 image_url 項目。未記錄此模型專屬的自訂參數。stream 等參數可實現即時 token 輸出。請務必使用您所需的參數進行測試，因為特定組合（例如高 temperature 搭配長上下文）可能產生不可預測的結果。
遷移過程非常簡單，因為 OrcaRouter 的 API 與 OpenAI 相容。將您的基礎 URL 從 https://api.openai.com/v1 改為 https://api.orcarouter.ai/v1。將您的模型 ID 從任何 GPT 模型改為 "qwen/qwen3.5-flash-2026-02-23"。獲取一個 OrcaRouter API 金鑰，並將其設置在 Authorization 標頭中。如果您現有的程式碼使用 OpenAI Python 庫，只需更新 OpenAI 客戶端中的 base_url 和 api_key。請注意，該模型支援多模態輸入，因此如果您之前使用單獨的視覺端點，現在可以直接在聊天格式中傳遞圖片。請進行徹底測試，因為輸出結果會有所不同。
所有 API 呼叫的基礎網址為 https://api.orcarouter.ai/v1。確切的模型 ID 是「qwen/qwen3.5-flash-2026-02-23」。此字串必須完全按照提供的方式使用，包括斜線和日期後綴。聊天補全的端點是 POST /v1/chat/completions。若要使用串流，請加上 stream 參數。該模型未列出其他端點（例如 embeddings、fine-tuning）。務必在 OrcaRouter 網站上驗證最新的端點文件。模型 ID 可能與 Qwen 原生使用的不同；請一律使用 OrcaRouter 的模型 ID。
Qwen3.5-Plus 可能是一個更大、能力更強的變體。雖然這兩個模型都沒有提供具體細節，但 flash 變體通常會在準確性上做出取捨，以換取更快的速度和更低的成本。flash 模型的價格較低（$0.10/$0.40，而 Plus 通常較高）。兩者可能支援相同的上下文長度和模態。在不需要完美準確性的高吞吐量場景中，請選擇 flash；對於複雜任務，請選擇 Plus。由於沒有基準測試數據，如果可能，請在自己的數據上對兩者進行測試。flash 模型還包含日期標籤 2026-02-23，表示特定的快照。
Llama 3.1 8B 是一款受歡迎的開放權重模型，標準上下文視窗為 128K tokens。這個 Qwen flash 模型提供更大的上下文（1,048,576 tokens），並且原生支援圖像和影片輸入，而 Llama 3.1 主要是文字。OrcaRouter 上 Llama 的定價可能相似或略有不同；請查看定價頁面。對於類似成本的純文字任務，如果您有現有基礎設施，Llama 可能是首選。對於多模態需求，這個 Qwen 模型具有優勢。兩者都可以透過 OrcaRouter 的 OpenAI 兼容 API 存取。
OpenAI 的 GPT-4o-mini 是一款較小、較便宜的模型，具有 128K 的上下文窗口。它支援文字和圖片輸入，但不支援影片。OrcaRouter 上 GPT-4o-mini 的定價此處未提供，但通常約為每 1M tokens $0.15/$0.60。這個 Qwen 模型在輸入 tokens（$0.10）和輸出（$0.40）上稍微便宜些。Qwen 模型的主要優勢是 1M 上下文和影片支援。然而，GPT-4o-mini 可能經過更全面的基準測試，並擁有更廣泛的生態系統支援。請根據您對長上下文或影片的需求，以及對模型效能的信任來選擇。
其他Flash模型，例如Llama 3.2 Flash或Mistral small，通常具有較小的上下文窗口（例如128K），且可能不支援影片。此Qwen flash模型的百萬token上下文是一項突出的特色。定價方面具有競爭力，為$0.10/$0.40。Flash模型的常見限制包括在複雜推理及事實性任務上準確度較低。對於需要最高品質的應用場景，同一系列的非Flash模型或較大的封閉模型可能更為合適。文中未提供速度或基準測試分數的具體比較。
相容 OpenAI——沿用你現有的 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| 輸入 / 1M tokens | $0.100 |
|---|---|
| 輸出 / 1M tokens | $0.400 |
| 貨幣 | USD |
基於標價的估算
僅為估算——實際 Token 數取決於供應商的分詞器。
本週開發者的討論
@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