Qwen3.5 Plus — 多模態對話（文字/圖片/影片），1M 上下文，強大的編碼與代理能力。
Qwen3.5-Plus 是阿里雲 Qwen 團隊開發的 Qwen 系列大型語言模型（LLM）。它支援 1,048,576 個 token 的上下文視窗，最大輸出為 65,536 個 token。輸入模態涵蓋文字、圖像和影片，使其具備多模態能力。該模型透過 OrcaRouter 提供，其提供一個相容 OpenAI 的 API 端點，網址為…
根據其設計，Qwen3.5-Plus 能夠執行多種語言和多模態任務。文字任務包括摘要、問答、翻譯、程式碼生成以及長篇文件推理。透過圖像和影片輸入，它可以描述視覺內容、回答與圖像相關的問題，或分析影片片段。其大上下文長度使其特別擅長需要掃描大量文字的任務，例如法律文件審查、科學文獻回顧或多輪對話。該模型還能遵循跨多個領域的複雜指令。
如果你的使用場景僅涉及簡短文字提示（例如幾百個token）且不需要多模態輸入，那麼較小的模型如Qwen2.5-7B或類似精簡的LLM可能更具成本效益。Qwen3.5-Plus的100萬上下文和大量參數會導致每個token的定價更高，且推理速度比小型替代方案更慢。此外，如果你不需要65k token的最大輸出長度，一個輸出限制較短的更便宜模型可能就已足夠。在選擇此模型前，請評估你任務所需的最小上下文長度和模態需求。
是的，該模型接受圖片和影片作為輸入模態，使其能夠理解視覺場景、讀取圖片中的文字或分析影片。關於傳遞影片的具體方式（例如，以幀串流、單一關鍵幀或壓縮影片檔案的形式），提供的資料中並未詳細說明。使用者應查閱 OrcaRouter 的 API 文件以了解所需的輸入格式。與許多多模態大型語言模型類似，處理影片可能會消耗每幀大量的令牌，因此需謹慎管理上下文視窗，以避免內容被截斷。
所提供的資訊未包含工具使用或函式呼叫的相關說明。通常，許多Qwen模型透過相容OpenAI的API支援此類功能，但從現有資料無法確認Qwen3.5-Plus是否具備此能力。開發者應使用工具呼叫架構測試該模型以確定相容性。若工具使用為必要功能，建議採用明確記載此功能的模型。OrcaRouter的API支援標準OpenAI參數，因此您可嘗試在請求中使用function_call或tools。
在所提供的資訊中，並未列出 Qwen3.5-Plus 的基準測試分數。若無具體效能數字（例如 MMLU、HumanEval 或多模態基準測試），則無法客觀地將其準確度或推理能力與其他模型進行比較。使用者應自行在代表性任務上進行評估，以衡量其效能。根據 Qwen 系列，先前的模型已展現具競爭力的成果；然而，此特定版本的分數並未在現有資料中公開。請參考阿里雲官方 Qwen 版本，以獲取可能的基準測試結果。
提供的資訊中未指定延遲和吞吐量。一般而言，擁有1M上下文視窗的大型模型計算負擔較重，特別是在使用完整上下文時。生成速度取決於輸出長度、視覺Token數量以及底層基礎設施。使用OrcaRouter時，您可以透過較小的批次大小和僅限必要範圍的上下文來降低延遲。串流（chat.completions with stream=true）也能因Token逐步回傳而減少感知延遲。
Qwen3.5-Plus的主要優勢在於其1,048,576個token的大型上下文窗口，使其能夠處理非常長的文件和對話而不遺失資訊。其多模態支援（文字、圖像、影片）擴大了可處理的輸入範圍。最高輸出65,536個token也非常充裕，能夠生成冗長的摘要、報告或程式碼。這些功能使其成為在單一模型呼叫中同時需要大量上下文和視覺理解的任務的理想選擇。
在缺乏具體基準數據的情況下，其與其他大型語言模型（LLMs）的相對性能尚不明確。大型上下文窗口可能導致運算成本與延遲增加。此外，由於許多LLMs普遍存在的「中間丟失」現象，該模型在處理極長上下文時也可能遭遇困難。提供的數據亦未提及該模型是否支援英文以外的語言，因此其多語言能力尚不確定。最後，定價資訊未予揭露，使用者需自行考量處理大量token所產生的成本。
針對 Qwen3.5-Plus 的每次 token 或每次請求定價並未包含在提供的資料中。通常，LLM 提供者會根據輸入和輸出的 token 數量收費，有時還會針對圖片或影片處理收取附加費用。若要取得當前費率，您應查閱 OrcaRouter 的定價頁面或聯絡其銷售團隊。由於該模型具備更大的上下文視窗與多模態能力，其定價很可能高於較小的 Qwen 系列變體。在整合前務必確認成本。
使用 1M 上下文視窗時，若填入完整上下文的 token，成本會迅速累積。對於較短上下文（例如 32k token）即可完成的任務，使用此模型可能導致超額付費。同樣地，處理大量圖片或長影片也會消耗大量輸入 token。最大輸出 65,536 token 也意味著若產生較長回應，生成成本可能偏高。建議對簡單任務使用較小模型，將 Qwen3.5-Plus 保留給真正需要大上下文與多模態輸入的情境。
所提供的資料並未提及Qwen3.5-Plus對重複令牌有任何快取或折扣。部分API提供商提供提示快取，可降低多次調用中相同前綴令牌的費用。OrcaRouter可能支援也可能不支援此功能。欲了解詳情，請參閱OrcaRouter文件或聯絡支援。如果快取可用，將大幅降低多輪對話（使用常見系統提示或重複上下文）等用例的成本。
Qwen3.5-Plus 可透過 OrcaRouter 的 OpenAI 相容 API 存取。請將基礎 URL 設為 https://api.orcarouter.ai/v1。使用模型 ID「qwen/qwen3.5-plus」。驗證通常透過在 Authorization 標頭中傳遞 API 金鑰（例如「Bearer YOUR_API_KEY」）來完成。若要發送聊天補全請求，請向 /chat/completions 發送 POST 請求，其 JSON 主體包含設為模型 ID 的「model」欄位，以及遵循 OpenAI 格式的「messages」陣列。範例：{"model": "qwen/qwen3.5-plus", "messages": [{"role": "user", "content": "Hello"}]}。
OrcaRouter 支援標準的 OpenAI 參數，包括 "messages", "max_tokens", "temperature", "top_p", "frequency_penalty", "presence_penalty", "stop" 和 "stream"。由於模型支援圖片和影片輸入，您也可以在 "content" 欄位中以物件陣列的形式傳遞多模態內容，其中包含 "type":"text" 和 "type":"image_url"（或類似格式）。所提供的資料中未定義影片的具體結構。請參閱 OrcaRouter 的 API 文件以取得完整的參數列表。請注意，"max_tokens" 不得超過模型的最大輸出 65,536 個 token。
若要從其他模型切換至 Qwen3.5-Plus，請將 API 請求中的「model」欄位從先前的模型 ID（例如「gpt-4」或「qwen2.5-72b」）更新為「qwen/qwen3.5-plus」。若您打算使用更長的上下文與多模態輸入功能，請確保您的程式碼能正確處理這些特性。如果您原先使用的模型支援工具呼叫（tool calls）或並行函式呼叫（parallel function calling），請在 Qwen3.5-Plus 上測試這些功能以確保相容性。此外，若先前的模型最大輸出 token 數較小，請調整您的 token 限制（適當設定 max_tokens）。
是的，流式傳輸支援透過標準的 OpenAI API 參數實作：在請求中設定 "stream": true。這會在生成 token 時即時回傳，減少感知延遲。回應將會是伺服器推送事件（SSE）的串流。每個事件包含下一段訊息的增量。此運作方式與 OpenAI 的串流模式完全相同。對於多模態輸入，第一個區塊可能會有輕微延遲，因為模型需處理圖片或影片。OrcaRouter 的 API 採用與 OpenAI 相同的串流格式，因此現有的串流程式碼可重複使用於新的模型 ID。
Qwen3.5-Plus 是 Qwen 系列中的較新版本。所提供的資訊並未包含相較於 Qwen2.5 的具體效能提升，但通常新版本會增加更長的上下文支援與更精細的訓練。Qwen2.5 模型通常支援最高 128k tokens 的上下文視窗，而 Qwen3.5-Plus 則提供 1M。此外，Qwen3.5-Plus 明確列出視訊作為輸入模態，而較舊的 Qwen2.5 變體可能不支援此功能。如果您不需要更大的上下文或視訊輸入，Qwen2.5 模型可能更符合成本效益且速度更快。
類似 Gemini 1.5 Pro（100萬 tokens）、Claude 3.5 Sonnet（20萬 tokens）和 GPT-4 Turbo（12.8萬 tokens）等模型也提供長上下文。Qwen3.5-Plus 的 100 萬 token 上下文與 Gemini 1.5 Pro 相當，並超越大多數其他模型。影片輸入的加入在大型語言模型中也相對罕見。然而，在缺乏基準測試數據的情況下，難以比較其準確性、推理或編碼能力。定價與延遲也因供應商而異。使用者應根據自己的特定任務進行評估。OrcaRouter 提供對多種模型的存取，方便切換與比較。
如果你的使用場景需要在單一模型中同時具備極長上下文（超過256k tokens）與多模態輸入（文字、圖像、影片），你會選擇這個模型。例如，分析數小時的影片及其逐字稿，或閱讀一本帶有圖表的完整書籍。若你的任務僅是純文字且上下文較短，則更適合選擇較便宜且速度更快的替代方案（例如Qwen2.5-7B或GPT-4o-mini）。此外，如果你需要輸出超過16k tokens，Qwen3.5-Plus的65k最大輸出長度可能更具優勢。
提供的資訊並未包含Qwen3.5-Plus在資料處理或隱私方面的詳細說明。使用OrcaRouter時，應自行審閱其隱私權政策與服務條款，以了解資料如何被處理、儲存或記錄。與任何第三方API相同，除非已確認該提供者具備安全認證（例如SOC 2、GDPR合規），否則應避免傳送敏感個人資訊。該模型本身託管於OrcaRouter與阿里雲所管理的基礎設施上，一般API提供者僅為提供服務而暫時保留資料。
相容 OpenAI——沿用你現有的 SDK
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| 階梯 | 輸入 / 1M tokens | 輸出 / 1M tokens |
|---|---|---|
| ≤ 256K | $0.400 | $2.40 |
| ≤ 1.0M | $0.500 | $3.00 |
| 階梯依每次請求的輸入 token 數確定 | ||
基於標價的估算
階梯定價——此估算使用基礎級距費率。
僅為估算——實際 Token 數取決於供應商的分詞器。
@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