Can I run Qwen3.5 397B-A17B locally?

Ja, de weights zijn open en gepubliceerd op Hugging Face onder de Qwen/Qwen3.5-397B-A17B repository, compatibel met vLLM, SGLang en KTransformers. Met 397 miljard totale parameters heb je serieuze hardware nodig; de meeste mensen die het lokaal draaien gebruiken een gequantiseerde versie.

What does it cost and how long is the context?

Via API kost het $0,55 per miljoen input tokens en $3,50 per miljoen output tokens, met een native context van 262.144 tokens. De gehoste Qwen3.5-Plus variant breidt dit standaard uit naar 1 miljoen tokens.

How does this differ from Qwen3 or Qwen3-VL?

Qwen3.5 gebruikt early-fusion multimodale training, wat betekent dat visie en taal vanaf het begin verenigd zijn in plaats van achteraf samengevoegd, en de maker stelt dat het cross-generationele gelijkwaardigheid bereikt met Qwen3 terwijl het Qwen3-VL modellen overtreft op redeneer-, codeer- en visuele begripsbenchmarks.

Qwen3.5 397B A17B

4310°

#llm #qwen #visie #video #redeneren #agenten

Voer dit model uit

Aanbiedingen / Advertenties

OpenRouter Terminal / API

Betaal per token

Chat met dit model in de browser of roep het aan vanuit je code met één API-sleutel.

Qwen | 262,144 token context | $0.50/M input, $3.60/M output. The Qwen3.5 series 397B-A17B native vision-language model is built on a hybrid architecture that integrates a linear attention mechanism with a sparse mixture-of-experts model, achieving higher inference efficiency. It delivers state-of-the-art performance comparable to leading-edge models across a wide range of tasks, including language understanding, logical reasoning, code generation, agent-based tasks, image understanding, video understanding, and graphical user interface (GUI) interactions. With its robust code-generation and agent capabilities, the model exhibits strong generalization across diverse agent.

Gidsen voor dit model

Beste lokale LLM per gebruik (oktober 2026): het juiste open model voor elke klus

Hoeveel VRAM heb ik eigenlijk nodig voor lokale AI?

Wat is een GGUF-bestand? Uitleg over gekwantiseerde modellen (Q4, Q8, fp8, NF4)

Alle gidsen

Aantekeningen van de kapitein

Geschreven door Captain, de huisredacteur

Aantekeningen van 2026-10-13

Qwen3.5 397B-A17B is Alibaba's vlaggenschip open-weights visie-taal model: 397 miljard totale parameters, maar slechts 17 miljard actief per token dankzij een sparse mixture-of-experts ontwerp gecombineerd met een lineair attentiemechanisme. Het verwerkt tekst, afbeeldingen, video en GUI-interacties in één model, met native 262K context en ondersteuning voor 201 talen. Het is geschikt voor ontwikkelaars die multimodale topklasse willen zonder gesloten API-prijzen te betalen.

Bekend om

Sparse MoE houdt slechts 17 miljard parameters actief, wat inferentiekosten verlaagt ten opzichte van modelgrootte.
Native visie, video en GUI begrip ingebouwd vanuit early-fusion training.
Sterke codegeneratie en agenttaakprestaties in diverse omgevingen.
201 talen en dialecten ondersteund, inclusief regionale en culturele nuances.
Open weights op Hugging Face, compatibel met vLLM, SGLang en KTransformers.

Let op

397 miljard totale weights vereisen serieuze hardware voor zelf-hosting; de meeste gebruikers gebruiken de API.
Output tokens kosten $3,50 per miljoen — niet goedkoop op schaal, vooral bij lange agent loops.
De gehoste Qwen3.5-Plus versie voegt 1M context en ingebouwde tools toe; de open weights zijn native beperkt tot 262K.

Het beste voor

Agenten en toolgebruik

Prompts om te proberen

Debug een falende agent loop

I have a Python agent that calls a web-search tool, parses the result, then decides whether to call the tool again or return a final answer. It sometimes loops indefinitely. Here is the code: [paste your code]. Identify why the termination condition fails and rewrite the loop so it exits correctly after at most five iterations.

Analyseer een screenshot op bugs

Attach a screenshot of your application's UI. Identify every visible error state, broken layout element or confusing label. For each issue, explain what is wrong and suggest a concrete fix a developer could implement in under an hour.

Meertalige contractclausule

Translate the following limitation-of-liability clause into French, German, Japanese and Brazilian Portuguese. After each translation, add one sentence noting any legal concept in the source text that does not map cleanly to that jurisdiction's standard practice. Source clause: 'In no event shall either party be liable for indirect, incidental or consequential damages arising from use of this service.'

Vergelijk met

Qwen3.7 Flash
Alleen API-model
1,000,000 token context · $0.03/M invoer, $0.13/M uitvoer
Qwen3.8 Max (0902)
Alleen API-model
1,000,000 token context · $2.00/M invoer, $6.00/M uitvoer
Qwen3.8 Omni Flash
Alleen API-model
1,000,000 token context · $0.15/M invoer, $0.47/M uitvoer
Qwen3.5 Plus 2026-02-15
Alleen API-model
1,000,000 token context · $0.26/M invoer, $1.56/M uitvoer

Meer tekstmodellen van qwen

Veelgestelde vragen

Can I run Qwen3.5 397B-A17B locally?: Ja, de weights zijn open en gepubliceerd op Hugging Face onder de Qwen/Qwen3.5-397B-A17B repository, compatibel met vLLM, SGLang en KTransformers. Met 397 miljard totale parameters heb je serieuze hardware nodig; de meeste mensen die het lokaal draaien gebruiken een gequantiseerde versie.
What does it cost and how long is the context?: Via API kost het $0,55 per miljoen input tokens en $3,50 per miljoen output tokens, met een native context van 262.144 tokens. De gehoste Qwen3.5-Plus variant breidt dit standaard uit naar 1 miljoen tokens.
How does this differ from Qwen3 or Qwen3-VL?: Qwen3.5 gebruikt early-fusion multimodale training, wat betekent dat visie en taal vanaf het begin verenigd zijn in plaats van achteraf samengevoegd, en de maker stelt dat het cross-generationele gelijkwaardigheid bereikt met Qwen3 terwijl het Qwen3-VL modellen overtreft op redeneer-, codeer- en visuele begripsbenchmarks.

Oordeel van de kapitein
Een zeldzaam open-weights model dat echt concurreert op visie, agenten en code tegelijk — als je de output tokens of hardware kunt betalen.

Modelkaart op Hugging Face

De kapitein schrijft deze aantekeningen op basis van de eigen beschrijving en modelkaart van het model. Prijzen en contextgroottes zijn die van de provider op het moment van schrijven en kunnen veranderen.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Hoe deze score wordt opgebouwd

Dit model heeft nog geen populariteitsgegevens van welke bron dan ook, dus het krijgt een tijdelijke waarde onder 7,000° om de lijsten compleet te houden. Het staat nooit hoger dan een model met data. De uitsplitsing verschijnt hier zodra een bron het rapporteert.

Woordenlijst: de gebruikte termen

Heat-score: Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
Vloer: De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
Download-equivalenten: Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
Logaritmische schaal: Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
Likes: Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
Adoptiesnelheid: Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
Gemeten en geschat: Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
Seeder: Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
AI Horde: Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
Generatiesites: Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
OpenRouter tokens: Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Volledig model (checkpoint): De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
LoRA en embedding: Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
Familie en gewichten: De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
Leeftijd: Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
Familie boost: Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
Stand-in score: Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
Nieuw! (gratieperiode): Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
Trend: Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
Typisch model: Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.

Vergelijkbare modellen

AI-modellen voor het genereren van afbeeldingen, video en tekst

Qwen3.5 397B A17B is een tekstmodel voor de Text / LLM-familie, vermeld op ModelTrends.ai, een alleen-lezen catalogus van open source AI-modellen voor afbeeldingen, video en tekst. Vergelijk het met andere Text / LLM-modellen en bekijk de populariteitsscore om de trend te zien.

Meer Text / LLM-modellen Meer Text / LLM Tekst / LLM llm qwen visie video redeneren agenten coderen meertalig

Bladeren op modelfamilie