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

Tak, wagi są otwarte i opublikowane na Hugging Face w repozytorium Qwen/Qwen3.5-397B-A17B, kompatybilne z vLLM, SGLang i KTransformers. Przy 397 miliardach parametrów potrzebny jest potężny sprzęt; większość osób uruchamiających lokalnie korzysta z wersji kwantyzowanej.

What does it cost and how long is the context?

Przez API model kosztuje 0,55 USD za milion tokenów wejściowych i 3,50 USD za milion tokenów wyjściowych, z natywnym kontekstem 262 144 tokenów. Wersja hostowana Qwen3.5-Plus rozszerza to domyślnie do 1 miliona tokenów.

How does this differ from Qwen3 or Qwen3-VL?

Qwen3.5 używa treningu multimodalnego early-fusion, co oznacza, że wizja i język są zintegrowane od początku, a producent twierdzi, że osiąga parytet pokoleniowy z Qwen3, jednocześnie przewyższając modele Qwen3-VL w benchmarkach rozumowania, kodowania i rozumienia wizualnego.

Qwen3.5 397B A17B

4310°

#llm #qwen #wizja #wideo #rozumowanie #agenci

Uruchom model

Oferty / Reklamy

OpenRouter Terminal / API

Płać za token

Rozmawiaj z tym modelem w przeglądarce lub wywołuj go z kodu za pomocą jednego klucza 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.

Poradniki do tego modelu

Najlepsze lokalne LLM według zastosowania (październik 2026): odpowiedni otwarty model do każdego zadania

Ile VRAM naprawdę potrzebuję do lokalnej AI?

Co to jest plik GGUF? Wyjaśnienie modeli kwantyzowanych (Q4, Q8, fp8, NF4)

Wszystkie poradniki

Notatki kapitana

Napisane przez Captain, redaktora domu

Notatki z 2026-10-13

Qwen3.5 397B-A17B to flagowy model wizja-język firmy Alibaba z otwartymi wagami: 397 miliardów parametrów łącznie, ale tylko 17 miliardów aktywnych na token dzięki rzadkiej architekturze mixture-of-experts połączonej z liniowym mechanizmem uwagi. Obsługuje tekst, obrazy, wideo i interakcje GUI w jednym modelu, z natywnym kontekstem 262 tys. tokenów i wsparciem dla 201 języków. Pasuje do deweloperów, którzy chcą multimodalnej zdolności klasy frontier bez płacenia za zamknięte API.

Znany z

Rzadkie MoE utrzymuje aktywnych tylko 17 miliardów parametrów, zmniejszając koszt inferencji względem rozmiaru modelu.
Natywne rozumienie wizji, wideo i GUI dzięki treningowi early-fusion.
Silna generacja kodu i wydajność agentów w różnych środowiskach.
Wsparcie dla 201 języków i dialektów, w tym niuansów regionalnych i kulturowych.
Otwarte wagi na Hugging Face, kompatybilne z vLLM, SGLang i KTransformers.

Uważaj na

397 miliardów parametrów wymaga poważnego sprzętu do samodzielnego hostingu; większość użytkowników korzysta z API.
Tokeny wyjściowe kosztują 3,50 USD za milion — nie jest to tanie przy dużej skali, zwłaszcza w długich pętlach agentowych.
Wersja hostowana Qwen3.5-Plus dodaje 1 milion tokenów kontekstu i wbudowane narzędzia; otwarte wagi mają natywny limit 262 tys. tokenów.

Najlepszy do

Agenci i użycie narzędzi

Podpowiedzi do wypróbowania

Debugowanie nieskończonej pętli agenta

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.

Analiza zrzutu ekranu pod kątem błędów

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.

Wielojęzyczna klauzula umowna

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.'

Porównaj z

Qwen3.7 Flash
Model tylko z API
Kontekst 1,000,000 tokenów · $0.03/M wejście, $0.13/M wyjście
Qwen3.8 Max (0902)
Model tylko z API
Kontekst 1,000,000 tokenów · $2.00/M wejście, $6.00/M wyjście
Qwen3.8 Omni Flash
Model tylko z API
Kontekst 1,000,000 tokenów · $0.15/M wejście, $0.47/M wyjście
Qwen3.5 Plus 2026-02-15
Model tylko z API
Kontekst 1,000,000 tokenów · $0.26/M wejście, $1.56/M wyjście

Więcej modeli tekstowych od qwen

Pytania, które ludzie zadają

Can I run Qwen3.5 397B-A17B locally?: Tak, wagi są otwarte i opublikowane na Hugging Face w repozytorium Qwen/Qwen3.5-397B-A17B, kompatybilne z vLLM, SGLang i KTransformers. Przy 397 miliardach parametrów potrzebny jest potężny sprzęt; większość osób uruchamiających lokalnie korzysta z wersji kwantyzowanej.
What does it cost and how long is the context?: Przez API model kosztuje 0,55 USD za milion tokenów wejściowych i 3,50 USD za milion tokenów wyjściowych, z natywnym kontekstem 262 144 tokenów. Wersja hostowana Qwen3.5-Plus rozszerza to domyślnie do 1 miliona tokenów.
How does this differ from Qwen3 or Qwen3-VL?: Qwen3.5 używa treningu multimodalnego early-fusion, co oznacza, że wizja i język są zintegrowane od początku, a producent twierdzi, że osiąga parytet pokoleniowy z Qwen3, jednocześnie przewyższając modele Qwen3-VL w benchmarkach rozumowania, kodowania i rozumienia wizualnego.

Wyrok kapitana
Rzadki model open-weight, który naprawdę konkuruje jednocześnie w wizji, agentach i kodzie — jeśli stać Cię na tokeny wyjściowe lub sprzęt.

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.

Change colors / personalize / get code

Not this creator?

Get your own badge

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.

Podobne modele

Modele AI do generowania obrazów, wideo i tekstu

Qwen3.5 397B A17B 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 / LLM Więcej Text / LLM Tekst / LLM llm qwen wizja wideo rozumowanie agenci kodowanie wielojęzyczny

Przeglądaj według rodziny modeli