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

Sì, i pesi sono open e pubblicati su Hugging Face nel repository Qwen/Qwen3.5-397B-A17B, compatibili con vLLM, SGLang e KTransformers. Con 397 miliardi di parametri totali servirà hardware consistente; la maggior parte di chi lo esegue localmente userà una versione quantizzata.

What does it cost and how long is the context?

Via API il modello costa $0,55 per milione di token in input e $3,50 per milione di token in output, con un contesto nativo di 262.144 token. La variante ospitata Qwen3.5-Plus estende questo a 1 milione di token di default.

How does this differ from Qwen3 or Qwen3-VL?

Qwen3.5 usa un addestramento multimodale early-fusion, cioè visione e linguaggio sono unificati fin dall’inizio anziché aggiunti successivamente, e il produttore afferma che raggiunge la parità cross-generazionale con Qwen3 superando i modelli Qwen3-VL su benchmark di ragionamento, programmazione e comprensione visiva.

Qwen3.5 397B A17B

4310°

#llm #qwen #visione #video #ragionamento #agenti

Esegui questo modello

Offerte / Annunci

OpenRouter Terminale / API

Paga per token

Chatta con questo modello nel browser o chiamalo dal tuo codice con una chiave API.

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.

Guide per questo modello

Il miglior LLM locale per caso d'uso (ottobre 2026): il modello open giusto per ogni lavoro

Quanta VRAM serve davvero per l'AI locale?

Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)

Tutte le guide

Note del capitano

Scritto da Captain, l'editor di casa

Note del 2026-10-13

Qwen3.5 397B-A17B è il modello vision-language open-weight di punta di Alibaba: 397 miliardi di parametri totali, ma solo 17 miliardi attivi per token grazie a un design sparse mixture-of-experts abbinato a un meccanismo di attenzione lineare. Gestisce testo, immagini, video e interazioni GUI in un unico modello, con contesto nativo da 262K token e supporto per 201 lingue. È adatto a sviluppatori che vogliono capacità multimodali di livello avanzato senza pagare i prezzi delle API chiuse.

Conosciuto per

MoE sparso mantiene attivi solo 17 miliardi di parametri, riducendo il costo di inferenza rispetto alla dimensione del modello.
Visione, video e comprensione GUI nativi fin dall’addestramento early-fusion.
Forte generazione di codice e performance agentiche in ambienti diversi.
Supporta 201 lingue e dialetti, inclusi sfumature regionali e culturali.
Pesi open su Hugging Face, compatibile con vLLM, SGLang e KTransformers.

Attenzione a

397 miliardi di pesi totali richiedono hardware serio per l’hosting autonomo; la maggior parte degli utenti userà l’API.
I token in output costano $3,50/M — non economico su larga scala, specialmente per loop agentici lunghi.
La versione ospitata Qwen3.5-Plus aggiunge 1M di contesto e strumenti integrati; i pesi open si fermano a 262K nativamente.

Ideale per

Agenti e uso di strumenti

Prompt da provare

Debug di un loop agente fallito

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.

Analizza uno screenshot per bug

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.

Clausola contrattuale multilingue

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.'

Confronta con

Qwen3.7 Flash
Modello solo API
Contesto di 1,000,000 token · Input $0.03/M, output $0.13/M
Qwen3.8 Max (0902)
Modello solo API
Contesto di 1,000,000 token · Input $2.00/M, output $6.00/M
Qwen3.8 Omni Flash
Modello solo API
Contesto di 1,000,000 token · Input $0.15/M, output $0.47/M
Qwen3.5 Plus 2026-02-15
Modello solo API
Contesto di 1,000,000 token · Input $0.26/M, output $1.56/M

Altri modelli di testo da qwen

Domande frequenti

Can I run Qwen3.5 397B-A17B locally?: Sì, i pesi sono open e pubblicati su Hugging Face nel repository Qwen/Qwen3.5-397B-A17B, compatibili con vLLM, SGLang e KTransformers. Con 397 miliardi di parametri totali servirà hardware consistente; la maggior parte di chi lo esegue localmente userà una versione quantizzata.
What does it cost and how long is the context?: Via API il modello costa $0,55 per milione di token in input e $3,50 per milione di token in output, con un contesto nativo di 262.144 token. La variante ospitata Qwen3.5-Plus estende questo a 1 milione di token di default.
How does this differ from Qwen3 or Qwen3-VL?: Qwen3.5 usa un addestramento multimodale early-fusion, cioè visione e linguaggio sono unificati fin dall’inizio anziché aggiunti successivamente, e il produttore afferma che raggiunge la parità cross-generazionale con Qwen3 superando i modelli Qwen3-VL su benchmark di ragionamento, programmazione e comprensione visiva.

Verdetto del capitano
Un raro modello open-weight che compete davvero su visione, agenti e codice insieme — se puoi permetterti i token in output o l’hardware.

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.

Change colors / personalize / get code

Not this creator?

Get your own badge

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.

Modelli simili

Modelli di IA per generare immagini, video e testo

Qwen3.5 397B A17B 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 / LLM Altri Testo / LLM Text / LLM llm qwen visione video ragionamento agenti programmazione multilingue

Sfoglia per famiglia di modelli