Qwen3.5 27B
5296°
Uruchom model
Oferty / Reklamy
Qwen | kontekst 262 144 tokenów | 0,26 USD/M wejścia, 2,60 USD/M wyjścia. Natywny model Dense Qwen3.5 27B z wizją i językiem zawiera liniowy mechanizm uwagi, zapewniając szybkie czasy odpowiedzi przy równoważeniu szybkości inferencji i wydajności. Jego ogólne możliwości są porównywalne z Qwen3.5-122B-A10B.
Poradniki do tego modelu
Ollama vs LM Studio (2026): którą lokalną aplikację AI wybrać i które topowe modele obsługuje każda z nich
Ile VRAM naprawdę potrzebuję do lokalnej AI?
Najlepsze lokalne LLM według zastosowania (październik 2026): odpowiedni otwarty model do każdego zadania
Co to jest plik GGUF? Wyjaśnienie modeli kwantyzowanych (Q4, Q8, fp8, NF4)
Notatki kapitana
Notatki z 2026-10-13
Qwen3.5-27B to model wizji i języka o 27 miliardach parametrów od Qwen z hybrydową architekturą liniowej uwagi, która utrzymuje szybkie wnioskowanie bez znacznej utraty możliwości. Jego wyniki w benchmarkach są bliskie modelowi Qwen o 122 miliardach parametrów MoE, co jest znaczącym osiągnięciem przy tej wielkości. Nadaje się dla deweloperów, którzy potrzebują silnego rozumowania, kodowania i zdolności multimodalnych w modelu, który mogą uruchomić lokalnie lub wywołać tanio przez API.
Znany z
- Hybrydowa liniowa uwaga skraca opóźnienia, jednocześnie dorównując znacznie większym modelom w większości benchmarków.
- Obsługuje tekst, obrazy i wideo natywnie dzięki wczesnemu treningowi multimodalnemu.
- Silne podążanie za instrukcjami: lider w zestawie porównawczym na IFEval i IFBench.
- Obsługuje 201 języków i dialektów od razu po wyjęciu z pudełka.
- Natywne okno kontekstu 262 tys. tokenów, rozszerzalne do ponad miliona tokenów.
Uważaj na
- Tokeny wyjściowe kosztują dziesięć razy więcej niż wejściowe (2,60 USD za milion wyjściowych vs 0,26 USD za milion wejściowych); intensywne generowanie szybko się sumuje.
- Przy 27 miliardach parametrów lokalne użycie wymaga znacznej ilości VRAM — zaplanuj to odpowiednio przed pobraniem.
- Architektura liniowej uwagi jest niestandardowa; niektóre stosy inferencyjne mogą jej jeszcze nie wspierać.
Podpowiedzi do wypróbowania
Debugowanie trudnego błędu asynchronicznego
Oto asynchroniczna funkcja w Pythonie, która czasem powoduje zakleszczenie pod obciążeniem. Przeanalizuj, co się dzieje, wyjaśnij przyczynę i przepisz ją tak, aby zakleszczenie nie mogło wystąpić. Następnie dodaj krótki test, który by to wykrył.
```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
```
Planowanie złożonego projektu wieloetapowego
Muszę przenieść monolityczną aplikację Rails (około 200 tys. linii, PostgreSQL, brak zestawu testów) do zestawu niezależnych usług w ciągu 18 miesięcy bez przerywania działania produktu. Zespół liczy sześciu inżynierów. Przedstaw plan etapowy, wskaż trzy decyzje o najwyższym ryzyku i zasugeruj, jak je uporządkować, aby ryzyko było możliwe do opanowania.
Opis i krytyka diagramu
Załączam diagram architektury systemu. Zidentyfikuj każdy pokazany komponent, prześledź przepływ danych od żądania użytkownika do odpowiedzi i wskaż wszelkie pojedyncze punkty awarii lub wąskie gardła, które zauważysz. Jeśli coś wygląda nietypowo lub potencjalnie jest źle skonfigurowane, zaznacz to.
Porównaj z
- Qwen3.7 FlashModel tylko z APIKontekst 1,000,000 tokenów · $0.03/M wejście, $0.13/M wyjście
- Qwen3.8 Max (0902)Model tylko z APIKontekst 1,000,000 tokenów · $2.00/M wejście, $6.00/M wyjście
- Qwen3.8 Omni FlashModel tylko z APIKontekst 1,000,000 tokenów · $0.15/M wejście, $0.47/M wyjście
- Qwen3.5 Plus 2026-02-15Model tylko z APIKontekst 1,000,000 tokenów · $0.26/M wejście, $1.56/M wyjście
Więcej modeli tekstowych od qwen
Pytania, które ludzie zadają
- Czy mogę uruchomić Qwen3.5-27B lokalnie?
- Tak, wagi są otwarte i dostępne na Hugging Face pod Qwen/Qwen3.5-27B. Model jest kompatybilny z Hugging Face Transformers, vLLM, SGLang i KTransformers, między innymi.
- Ile kosztuje Qwen3.5-27B i jak długie jest okno kontekstu?
- Przez API kosztuje 0,26 USD za milion tokenów wejściowych i 2,60 USD za milion tokenów wyjściowych, z natywnym oknem kontekstu 262 144 tokenów, które producent twierdzi, że można rozszerzyć ponad milion.
- Jak Qwen3.5-27B wypada na tle Qwen3.5-122B-A10B?
- Qwen opisuje ogólne możliwości jako porównywalne z modelem 122B MoE; benchmarki pokazują, że 27B jest nieco słabszy w niektórych zadaniach rozumowania, ale lepszy w metrykach podążania za instrukcjami, takich jak IFEval.
Wyrok kapitanaRzadki gęsty model, który przewyższa swoją klasę wagową — warto poważnie rozważyć, jeśli potrzebujesz lokalnego rozumowania multimodalnego bez ogromnych kosztów parametrów.
Karta modelu na Hugging Face
Kapitan pisze te notatki na podstawie opisu modelu i karty modelu. Ceny i rozmiary kontekstu pochodzą od dostawcy w momencie pisania i mogą się zmieniać.
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.
Jak ten wynik się sumuje
Ten model nie ma jeszcze danych o popularności z żadnego źródła, więc ma zastępczą wartość poniżej 7,000°, która pozwala utrzymać kompletność list. Nigdy nie zajmuje wyższej pozycji niż model z danymi. Szczegóły pojawią się tutaj, gdy tylko jakieś źródło je zgłosi.
Słowniczek: używane tu terminy
- Wynik heat
- Jedna liczba pokazująca, jak bardzo model jest używany i pożądany teraz, od 0° do 9,999°. Każda lista na tej stronie z napisem hottest jest sortowana według tego i niczego innego.
- Podstawa
- 7,000° to punkt startowy dla każdego modelu z prawdziwymi danymi. Skala idzie od 0° do 9,999°; część poniżej podstawy jest zarezerwowana dla zastępczych modeli (bez danych), żeby model z danymi zawsze był wyżej. Podstawa jest taka sama dla wszystkich i nic nie decyduje; stopnie powyżej niej to właściwy pomiar.
- Równoważniki pobrań
- Wszystko, co wynik traktuje jak pobranie, zsumowane: same pobrania, każdy seeder torrenta jako 1,000, każde AI Horde zdjęcie i każde uruchomienie na stronie generującej jako jedno.
- Skala logarytmiczna
- Liczenie co dziesięć, nie co jeden: przejście z 1,000 do 10,000 pobrań dodaje tyle samo stopni, co z 10,000 do 100,000. Zapobiega to dominacji gigantów nad resztą.
- Polubienia
- Kciuki w górę i polubienia ze wszystkich źródeł, warte połowę pobrania na skali logarytmicznej.
- Tempo adopcji
- Ile pobrań dziennie model ma teraz, na podstawie różnicy między dwoma odczytami źródła. Ćwierć wagi terminu pobrania.
- Zmierzony i szacowany
- Zmierzony oznacza, że istnieją dwa odczyty źródła i różnica jest rzeczywista. Szacowany oznacza, że znana jest tylko dzisiejsza suma, a przeszłość jest rozłożona na czas życia modelu; strona mówi, który z nich pokazuje.
- Seeder
- Ktoś, kto trzyma kopię wag online, aby inni mogli je pobrać przez torrent, albo hostowany mirror robiący to samo. Każdy taki liczy się jako 1 000 pobrań.
- AI Horde
- Sieć wolontariuszy, która generuje obrazy za darmo na komputerach darczyńców. Liczba obrazów wygenerowanych z modelem jest publiczna i każde liczy się jako jedno pobranie.
- Strony generujące
- Strony, które mają własne kopie modelu i pozwalają ludziom generować z nim obrazy, takie jak PixAI, SeaArt i Yodayo. Ich pobrania liczą się jak na Civitai, a każde uruchomienie generowania to jedno pobranie.
- Tokeny OpenRouter
- Model tekstowy obsługiwany przez API, taki jak Claude czy GPT, nie ma wag do pobrania, więc jego użycie mierzy się tokenami: fragmentami tekstu, które przeczytał i napisał przez OpenRouter, bramkę używaną przez wiele aplikacji, w ciągu ostatnich 30 dni. Każde 10,000,000 tokenów liczy się jako jedno pobranie. Źródło: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Pełny model (checkpoint)
- Same wagi, plik, który generuje samodzielnie. Dostaje bonus, bo dodatki od niego zależą.
- LoRA i embedding
- Małe pliki dodatków, które kierują czyjeś wagi w stronę stylu, postaci lub koncepcji. Nie mogą działać samodzielnie.
- Rodzina i wagi
- Podstawa, na której zbudowano model, np. SD 1.5, SDXL, Flux lub Wan. Każdy model dziedziczy datę wydania wag swojej rodziny.
- Wiek
- Stopnie odejmowane za to, jak dawno wyszły wagi rodziny: 150° za rok, do 750°. Zachowuje stare pobrania, które miały lata na narastanie, zamrażając szczyt listy.
- Wzmocnienie rodziny
- Małe, ograniczone wsparcie dla LoRA z rodziny, którą ta strona teraz promuje, zawsze podane w rozbiciu.
- Wynik zastępczy
- Stabilna liczba poniżej minimum, przyznawana modelowi, o którym jeszcze nie ma danych źródłowych, żeby listy były kompletne. Nigdy nie jest wyżej niż model z danymi.
- Nowy! (okres karencji)
- Model młodszy niż 7 dni pokazuje Nowy! zamiast wyniku i nie zajmuje miejsca w rankingu. Jego wynik jest liczony od pierwszego dnia, ale model jednodniowy rośnie najszybciej, więc bez oczekiwania #1 tygodnia byłby zawsze tym, który pojawił się wczoraj, a nie tym, który utrzymał się przez tydzień.
- Trend
- Jak wzrost modelu w danym okresie wypada na tle typowego wzrostu modelu w tym samym czasie. Szybszy niż zwykle to wzrost, wolniejszy to spadek.
- Typowy model
- Środek katalogu: połowa modeli z danymi rosła szybciej w tym okresie, połowa wolniej.
Qwen3.5 27B to model tekstowy z rodziny Text / LLM wymieniony na ModelTrends.ai, katalogu tylko do odczytu otwartych modeli AI do obrazów, wideo i tekstu. Porównaj go z innymi modelami Text / LLM i sprawdź wynik popularności, aby zobaczyć trend.
Więcej modeli Text / LLMWięcej Text / LLM Tekst / LLMllmqwenwizjawideorozumowaniekodowaniewielojęzycznylokalny
Przeglądaj według rodziny modeli
Modele Text / LLM
434
Modele Anima
528
Modele Chroma
19
Modele Fibo
2
Modele Flux
1,496
Modele Flux 2 / Klein
1,239
Modele Flux 3
3
Modele Moss
3
Modele Iris
1
Modele MiniMax H3
364
Modele Hunyuan
204
Modele Ideogram
20
Modele Krea2
717
Modele Qwen
20
Modele Qwen2
47
Modele Ltx2
153