Qwen3.5 27B
5296°
Jalankan model ini
Penawaran / Iklan
Qwen | konteks 262.144 token | $0.26/M input, $2.60/M output. Model Dense visi-bahasa asli Qwen3.5 27B menggabungkan mekanisme perhatian linier, memberikan waktu respons cepat sambil menyeimbangkan kecepatan inferensi dan performa. Kemampuan keseluruhannya sebanding dengan Qwen3.5-122B-A10B.
Panduan untuk model ini
Ollama vs LM Studio (2026): aplikasi AI lokal mana yang harus digunakan, dan model top mana yang dijalankan masing-masing
Berapa banyak VRAM yang sebenarnya saya butuhkan untuk AI lokal?
LLM lokal terbaik berdasarkan kasus penggunaan (Oktober 2026): model terbuka yang tepat untuk setiap pekerjaan
Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)
Catatan Kapten
Catatan dari 2026-10-13
Qwen3.5-27B adalah model visi-bahasa dengan 27 miliar parameter dari Qwen yang menggunakan arsitektur atensi linear hibrida yang menjaga inferensi tetap cepat tanpa mengorbankan banyak kemampuan. Skor benchmark-nya mendekati model MoE 122B milik Qwen sendiri, yang merupakan pencapaian signifikan pada ukuran ini. Model ini cocok untuk pengembang yang menginginkan kemampuan penalaran, pengkodean, dan multimodal yang kuat dalam model yang dapat dijalankan secara lokal atau dipanggil dengan biaya murah melalui API.
Dikenal untuk
- Atensi linear hibrida mengurangi latensi sambil menyamai model yang jauh lebih besar pada sebagian besar benchmark.
- Menangani teks, gambar, dan video secara native melalui pelatihan multimodal fusi awal.
- Kemampuan mengikuti instruksi yang kuat: memimpin set perbandingan pada IFEval dan IFBench.
- Mendukung 201 bahasa dan dialek secara langsung.
- Konteks native 262K token, dapat diperluas hingga lebih dari satu juta token.
Waspadai
- Token output berbiaya sepuluh kali lipat dari token input ($2,60/M output vs $0,26/M input); generasi berat bisa menjadi mahal.
- Dengan 27 miliar parameter, penggunaan lokal membutuhkan VRAM yang signifikan — rencanakan dengan baik sebelum mengunduh.
- Arsitektur atensi linear ini tidak standar; beberapa tumpukan inferensi mungkin belum mendukungnya.
Prompt untuk dicoba
Debug bug async yang rumit
Berikut adalah fungsi async Python yang kadang mengalami deadlock saat beban tinggi. Jelaskan apa yang terjadi, jelaskan penyebab utamanya, dan tulis ulang agar deadlock tidak terjadi. Kemudian tambahkan tes singkat yang bisa mendeteksi masalah ini.
```python
async def fetch_all(urls):
results = []
lock = asyncio.Lock()
async def fetch(url):
async with lock:
async with aiohttp.ClientSession() as session:
async with session.get(url) as r:
results.append(await r.text())
await asyncio.gather(*[fetch(u) for u in urls])
return results
```
Rencanakan proyek multi-langkah yang kompleks
Saya perlu memigrasi aplikasi Rails monolitik (sekitar 200 ribu baris, PostgreSQL, tanpa suite pengujian) ke serangkaian layanan independen selama 18 bulan tanpa menghentikan produk. Tim terdiri dari enam insinyur. Buat rencana bertahap, tandai tiga keputusan berisiko tertinggi yang akan saya hadapi, dan sarankan urutan pelaksanaannya agar risiko tetap terkendali.
Deskripsikan dan kritik diagram
Saya melampirkan diagram arsitektur sistem. Identifikasi setiap komponen yang ditampilkan, telusuri aliran data dari permintaan pengguna hingga respons, dan tunjukkan titik kegagalan tunggal atau hambatan yang Anda lihat. Jika ada yang tampak tidak biasa atau berpotensi salah konfigurasi, tandai.
Bandingkan dengan
- Qwen3.7 FlashModel hanya APIkonteks 1,000,000 token · $0.03/M input, $0.13/M output
- Qwen3.8 Max (0902)Model hanya APIkonteks 1,000,000 token · $2.00/M input, $6.00/M output
- Qwen3.8 Omni FlashModel hanya APIkonteks 1,000,000 token · $0.15/M input, $0.47/M output
- Qwen3.5 Plus 2026-02-15Model hanya APIkonteks 1,000,000 token · $0.26/M input, $1.56/M output
Model teks lain dari qwen
Pertanyaan yang sering diajukan
- Bisakah saya menjalankan Qwen3.5-27B secara lokal?
- Ya, bobotnya terbuka dan tersedia di Hugging Face di Qwen/Qwen3.5-27B. Model ini kompatibel dengan Hugging Face Transformers, vLLM, SGLang, dan KTransformers, antara lain.
- Berapa biaya Qwen3.5-27B dan berapa panjang konteksnya?
- Melalui API, harganya $0,26 per juta token input dan $2,60 per juta token output, dengan konteks native 262.144 token yang menurut pembuatnya dapat diperluas hingga lebih dari satu juta token.
- Bagaimana perbandingan Qwen3.5-27B dengan Qwen3.5-122B-A10B?
- Qwen menyatakan kemampuan keseluruhan setara dengan model MoE 122B; benchmark menunjukkan 27B sedikit tertinggal pada beberapa tugas penalaran tetapi unggul pada metrik mengikuti instruksi seperti IFEval.
Putusan KaptenModel dense langka yang performanya jauh melebihi kelasnya — sangat layak dipertimbangkan jika Anda membutuhkan penalaran multimodal lokal tanpa biaya parameter yang besar.
Kartu model di Hugging Face
Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.
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.
Bagaimana skor ini dihitung
Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.
Glosarium: istilah yang dipakai di sini
- Skor heat
- Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
- Lantai
- 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
- Setara unduhan
- Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
- Skala log
- Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
- Suka
- Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
- Tingkat adopsi
- Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
- Diukur dan diperkirakan
- Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
- Seeder
- Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
- AI Horde
- Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
- Situs generasi
- Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
- Token OpenRouter
- Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Model penuh (checkpoint)
- Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
- LoRA dan embedding
- File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
- Keluarga dan bobot
- Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
- Usia
- Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
- Dorongan keluarga
- Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
- Skor pengganti
- Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
- Baru! (masa tenggang)
- Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
- Tren
- Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
- Model biasa
- Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.
Qwen3.5 27B adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.
Model Text / LLM lainnyaTeks / LLM Text / LLM lainnyallmqwenvisivideopenalaranpemrogramanmultibahasalokal
Jelajahi berdasarkan Keluarga Model
Model Text / LLM
434
Model Anima
528
Model Chroma
19
Model Fibo
2
Model Flux
1,496
Model Flux 2 / Klein
1,239
Model Flux 3
3
Model Moss
3
Model Iris
1
Model MiniMax H3
364
Model Hunyuan
204
Model Ideogram
20
Model Krea2
717
Model Qwen
20
Model Qwen2
47
Model Ltx2
153