Qwen3.5 27B
5296°
Esegui questo modello
Offerte / Annunci
Qwen | contesto da 262.144 token | $0.26/M input, $2.60/M output. Il modello Dense nativo vision-language Qwen3.5 27B incorpora un meccanismo di attenzione lineare, offrendo tempi di risposta rapidi bilanciando velocità di inferenza e prestazioni. Le sue capacità complessive sono comparabili a quelle di Qwen3.5-122B-A10B.
Guide per questo modello
Ollama vs LM Studio (2026): quale app AI locale usare e quali modelli top esegue ciascuna
Quanta VRAM serve davvero per l'AI locale?
Il miglior LLM locale per caso d'uso (ottobre 2026): il modello open giusto per ogni lavoro
Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)
Note del capitano
Note del 2026-10-13
Qwen3.5-27B è un modello vision-language da 27 miliardi di parametri di Qwen con un'architettura ibrida a attenzione lineare che mantiene l'inferenza veloce senza sacrificare troppo la capacità. I suoi punteggi nei benchmark si avvicinano a quelli del modello MoE da 122B di Qwen, un divario notevole da colmare a questa scala. È adatto agli sviluppatori che vogliono un modello con forte capacità di ragionamento, programmazione e multimodalità, da eseguire localmente o chiamare via API a basso costo.
Conosciuto per
- L'attenzione lineare ibrida riduce la latenza mantenendo prestazioni paragonabili a modelli molto più grandi nella maggior parte dei benchmark.
- Gestisce nativamente testo, immagini e video tramite addestramento multimodale a fusione precoce.
- Eccellente capacità di seguire istruzioni: guida il confronto su IFEval e IFBench.
- Supporta 201 lingue e dialetti out of the box.
- Contesto nativo di 262K token, estendibile a oltre un milione di token.
Attenzione a
- I token di output costano dieci volte quelli di input ($2,60/M in output contro $0,26/M in input); la generazione intensiva può diventare costosa.
- Con 27 miliardi di parametri, l'uso locale richiede molta VRAM — pianifica di conseguenza prima di scaricarlo.
- L'architettura a attenzione lineare non è standard; alcune pipeline di inferenza potrebbero non supportarla ancora.
Prompt da provare
Debug di un bug async complicato
Ecco una funzione Python async che occasionalmente si blocca sotto carico. Spiega cosa succede, individua la causa principale e riscrivila in modo che il deadlock non possa verificarsi. Poi aggiungi un breve test che avrebbe rilevato il problema.
```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
```
Pianifica un progetto complesso a più fasi
Devo migrare un'app Rails monolitica (circa 200k righe, PostgreSQL, senza suite di test) in un insieme di servizi indipendenti in 18 mesi senza interrompere il prodotto. Il team è di sei ingegneri. Stabilisci un piano a fasi, indica le tre decisioni a più alto rischio che dovrò affrontare e suggerisci come ordinarle per mantenere il rischio gestibile.
Descrivi e critica un diagramma
Allego un diagramma di architettura di sistema. Identifica ogni componente mostrato, traccia il flusso dei dati dalla richiesta utente alla risposta e segnala eventuali punti singoli di guasto o colli di bottiglia che noti. Se qualcosa appare insolito o potenzialmente mal configurato, evidenzialo.
Confronta con
- Qwen3.7 FlashModello solo APIContesto di 1,000,000 token · Input $0.03/M, output $0.13/M
- Qwen3.8 Max (0902)Modello solo APIContesto di 1,000,000 token · Input $2.00/M, output $6.00/M
- Qwen3.8 Omni FlashModello solo APIContesto di 1,000,000 token · Input $0.15/M, output $0.47/M
- Qwen3.5 Plus 2026-02-15Modello solo APIContesto di 1,000,000 token · Input $0.26/M, output $1.56/M
Altri modelli di testo da qwen
Domande frequenti
- Posso eseguire Qwen3.5-27B localmente?
- Sì, i pesi sono open e ospitati su Hugging Face in Qwen/Qwen3.5-27B. È compatibile con Hugging Face Transformers, vLLM, SGLang e KTransformers, tra gli altri.
- Quanto costa Qwen3.5-27B e qual è la finestra di contesto?
- Via API costa $0,26 per milione di token in input e $2,60 per milione di token in output, con un contesto nativo di 262.144 token che il produttore dice possa essere esteso oltre un milione.
- Come si confronta Qwen3.5-27B con Qwen3.5-122B-A10B?
- Qwen descrive la capacità complessiva come comparabile al modello MoE da 122B; i benchmark mostrano il 27B leggermente indietro in alcuni compiti di ragionamento ma avanti nelle metriche di seguire istruzioni come IFEval.
Verdetto del capitanoUn raro modello denso che offre prestazioni ben superiori alla sua classe di peso — vale la pena considerarlo seriamente se ti serve ragionamento multimodale locale senza un costo enorme di parametri.
Scheda modello su Hugging Face
Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.
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.
Come si calcola questo punteggio
Questo modello non ha ancora dati di popolarità da nessuna fonte, quindi ha un numero provvisorio sotto 7,000° che mantiene le liste complete. Non supera mai un modello con dati. La suddivisione appare qui appena una fonte la segnala.
Glossario: i termini usati qui
- Punteggio heat
- Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
- Soglia minima
- I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
- Equivalenti di download
- Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
- Scala logaritmica
- Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
- Like
- Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
- Tasso di adozione
- Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
- Misurato e stimato
- Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
- Seeder
- Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
- AI Horde
- Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
- Siti di generazione
- Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
- Token OpenRouter
- Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modello completo (checkpoint)
- I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
- LoRA e embedding
- Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
- Famiglia e pesi
- La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
- Età
- Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
- Boost famiglia
- Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
- Punteggio stand-in
- Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
- Novità! (periodo di grazia)
- Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
- Tendenza
- Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
- Modello tipico
- Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.
Qwen3.5 27B è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.
Altri modelli Text / LLMAltri Testo / LLM Text / LLMllmqwenvisionevideoragionamentoprogrammazionemultilinguelocale
Sfoglia per famiglia di modelli
Modelli Text / LLM
434
Modelli Anima
528
Modelli Chroma
19
Modelli Fibo
2
Modelli Flux
1,496
Modelli Flux 2 / Klein
1,239
Modelli Flux 3
3
Modelli Moss
3
Modelli Iris
1
Modelli MiniMax H3
364
Modelli Hunyuan
204
Modelli Ideogram
20
Modelli Krea2
717
Modelli Qwen
20
Modelli Qwen2
47
Modelli Ltx2
153