Puis-je exécuter Qwen3.5-9B localement ?

Oui, les poids sont ouverts et publiés sur Hugging Face dans le dépôt Qwen/Qwen3.5-9B. Le modèle est compatible avec Hugging Face Transformers, vLLM, SGLang et KTransformers, donc les configurations locales standard s’appliquent.

Quel est le coût de Qwen3.5-9B et quelle est la taille de sa fenêtre de contexte ?

Via API, il est tarifé à 0,10 $ par million de tokens d’entrée et 0,15 $ par million de tokens de sortie. La fenêtre de contexte native est de 262 144 tokens, avec une architecture supportant une extension au-delà d’un million de tokens.

En quoi Qwen3.5-9B diffère-t-il de Qwen3 et Qwen3-VL ?

Qwen3.5 remplace les lignes séparées de modèles langage et vision-langage par une architecture unifiée utilisant la fusion précoce, ce qui, selon Qwen, égalise Qwen3 sur les tâches linguistiques tout en surpassant Qwen3-VL sur les benchmarks de compréhension visuelle.

Qwen3.5 9B

6123°

#llm #qwen #vision #vidéo #raisonnement #multilingue

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

Qwen | contexte de 262 144 tokens | 0,10 $/M en entrée, 0,15 $/M en sortie. Qwen3.5-9B est un modèle fondation multimodal de la famille Qwen3.5, conçu pour offrir un raisonnement, un codage et une compréhension visuelle solides dans une architecture efficace de 9 milliards de paramètres. Il utilise une conception vision-langage unifiée avec fusion précoce des tokens multimodaux, permettant au modèle de traiter et raisonner sur texte et images dans un même contexte.

Guides pour ce modèle

Comment installer Ollama et faire tourner une IA locale (Windows, Mac, Linux)

Meilleur LLM local par cas d’usage (octobre 2026) : le bon modèle open source pour chaque tâche

Ollama vs LM Studio (2026) : quelle application d’IA locale choisir, et quels modèles top chacun fait tourner

De combien de VRAM ai-je vraiment besoin pour l'IA locale ?

Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

Qwen3.5-9B est un modèle multimodal de 9 milliards de paramètres de Qwen qui gère texte et images dans une architecture unifiée unique, utilisant une fusion précoce plutôt que d’ajouter la vision en second plan. Son design hybride Gated Delta Network est optimisé pour le débit, et le contexte natif de 262K tokens est exceptionnellement long pour un modèle de cette taille. À un dixième de cent par mille tokens d’entrée avec poids ouverts, il convient aux développeurs qui veulent un modèle vision-langage performant qu’ils peuvent exécuter localement ou appeler à bas coût via API.

Connu pour

Raisonnement unifié vision-langage avec tokens multimodaux en fusion précoce
Contexte natif de 262K tokens, extensible, dans un modèle de 9 milliards de paramètres
Architecture hybride Gated Delta Network optimisée pour une inférence à faible latence
201 langues et dialectes supportés nativement
Poids ouverts, compatible avec vLLM, SGLang et Hugging Face Transformers

Attention à

La capacité vision et vidéo est annoncée dans l’architecture ; la qualité multimodale réelle n’est pas vérifiée indépendamment ici.
Les comparaisons de benchmarks dans la fiche modèle sont faites contre la propre famille Qwen ; les évaluations tierces sont rares à ce stade.
Les termes de licence pour usage commercial ne sont pas détaillés dans ce que Qwen a publié sur cette page.

Idéal pour

Fonctionne localement

Prompts à essayer

Analyse multimodale d’image

Joignez une capture d’écran d’un graphique ou diagramme. Décrivez ce qu’il montre, identifiez les tendances ou anomalies, et listez trois questions qu’un analyste de données poserait avant de tirer des conclusions.

Raisonnement sur document long

Voici un long document technique. Lisez-le attentivement, puis : (1) résumez l’argument principal en trois phrases, (2) identifiez les affirmations sans preuves, et (3) suggérez deux questions de suivi que l’auteur devrait aborder.

Revue de code multilingue

Examinez la fonction Python suivante pour sa correction, ses cas limites et ses performances. Puis réécrivez la docstring en anglais et en mandarin, en conservant la signification technique exacte.

Comparer avec

Qwen3.7 Flash
Modèle uniquement API
Contexte de 1,000,000 tokens · entrée $0.03/M, sortie $0.13/M
Qwen3.8 Max (0902)
Modèle uniquement API
Contexte de 1,000,000 tokens · entrée $2.00/M, sortie $6.00/M
Qwen3.8 Omni Flash
Modèle uniquement API
Contexte de 1,000,000 tokens · entrée $0.15/M, sortie $0.47/M
Qwen3 VL 32B Instruct
Modèle uniquement API
Contexte de 131,072 tokens · entrée $0.10/M, sortie $0.42/M

Plus de modèles de texte de qwen

Questions fréquentes

Puis-je exécuter Qwen3.5-9B localement ?: Oui, les poids sont ouverts et publiés sur Hugging Face dans le dépôt Qwen/Qwen3.5-9B. Le modèle est compatible avec Hugging Face Transformers, vLLM, SGLang et KTransformers, donc les configurations locales standard s’appliquent.
Quel est le coût de Qwen3.5-9B et quelle est la taille de sa fenêtre de contexte ?: Via API, il est tarifé à 0,10 $ par million de tokens d’entrée et 0,15 $ par million de tokens de sortie. La fenêtre de contexte native est de 262 144 tokens, avec une architecture supportant une extension au-delà d’un million de tokens.
En quoi Qwen3.5-9B diffère-t-il de Qwen3 et Qwen3-VL ?: Qwen3.5 remplace les lignes séparées de modèles langage et vision-langage par une architecture unifiée utilisant la fusion précoce, ce qui, selon Qwen, égalise Qwen3 sur les tâches linguistiques tout en surpassant Qwen3-VL sur les benchmarks de compréhension visuelle.

Verdict du capitaine
Un véritable modèle multimodal de 9 milliards à prix API abordable avec poids ouverts — à considérer avant de choisir un modèle trois fois plus grand.

Fiche modèle sur Hugging Face

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

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

Comment ce score se calcule

Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Modèles similaires

Modèles d'IA pour générer image, vidéo et texte

Qwen3.5 9B est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm qwen vision vidéo raisonnement multilingue contexte long local

Parcourir par famille de modèles