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

Ja, vikterna är öppna och publicerade på Hugging Face under Qwen/Qwen3.5-397B-A17B, kompatibla med vLLM, SGLang och KTransformers. Med 397 miljarder totala parametrar behöver du kraftfull hårdvara; de flesta som kör den lokalt använder en kvantiserad version.

What does it cost and how long is the context?

Via API kostar modellen $0,55 per miljon input-tokens och $3,50 per miljon output-tokens, med ett nativt kontextfönster på 262 144 tokens. Den hostade Qwen3.5-Plus-varianten utökar detta till 1 miljon tokens som standard.

How does this differ from Qwen3 or Qwen3-VL?

Qwen3.5 använder tidig fusionsträning multimodalt, vilket innebär att vision och språk är förenade från början snarare än ihopkopplade, och tillverkaren uppger att den når tvärgenerationell paritet med Qwen3 samtidigt som den överträffar Qwen3-VL-modeller på resonemangs-, kodnings- och visuell förståelsebenchmark.

Qwen3.5 397B A17B

4310°

#llm #qwen #vision #video #resonemang #agenter

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

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.

Guider för denna modell

Bästa lokala LLM efter användningsområde (oktober 2026): rätt öppna modell för varje jobb

Hur mycket VRAM behöver jag egentligen för lokal AI?

Vad är en GGUF-fil? Förklaringar av kvantiserade modeller (Q4, Q8, fp8, NF4)

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Qwen3.5 397B-A17B är Alibabas flaggskeppsmodell för vision-språk med öppna vikter: 397 miljarder totala parametrar, men endast 17 miljarder aktiva per token tack vare en sparsam mixture-of-experts-design kombinerad med linjär uppmärksamhetsmekanism. Den hanterar text, bilder, video och GUI-interaktioner i en enda modell, med inbyggt 262K kontext och stöd för 201 språk. Den passar utvecklare som vill ha toppklassig multimodal kapacitet utan att betala för stängda API:er.

Känd för

Sparsam MoE håller endast 17 miljarder parametrar aktiva, vilket minskar inferenskostnaden relativt modellstorleken.
Inbyggd förståelse för vision, video och GUI från tidig fusionsträning.
Stark kodgenerering och agentuppgiftsprestation över olika miljöer.
Stöd för 201 språk och dialekter, inklusive regionala och kulturella nyanser.
Öppna vikter på Hugging Face, kompatibla med vLLM, SGLang och KTransformers.

Se upp för

397 miljarder totala vikter kräver seriös hårdvara för egen drift; de flesta användare använder API istället.
Output-tokens kostar $3,50/M — dyrt i stor skala, särskilt för långa agentloopar.
Den hostade Qwen3.5-Plus-versionen har 1M kontext och inbyggda verktyg; öppna vikter har nativt max 262K.

Bäst för

Agenter och verktygsanvändning

Promptar att prova

Felsök en felande agentloop

Jag har en Python-agent som anropar ett webbsökningsverktyg, analyserar resultatet och sedan bestämmer om verktyget ska anropas igen eller om ett slutgiltigt svar ska returneras. Den fastnar ibland i oändlig loop. Här är koden: [klistra in din kod]. Identifiera varför avslutningsvillkoret misslyckas och skriv om loopen så att den avslutas korrekt efter högst fem iterationer.

Analysera en skärmdump för buggar

Bifoga en skärmdump av din applikations UI. Identifiera varje synligt fel, trasig layout eller förvirrande etikett. För varje problem, förklara vad som är fel och föreslå en konkret fix som en utvecklare kan implementera på under en timme.

Flerspråkig kontraktsklausul

Översätt följande ansvarsbegränsningsklausul till franska, tyska, japanska och brasiliansk portugisiska. Efter varje översättning, lägg till en mening som noterar eventuella juridiska begrepp i källtexten som inte överensstämmer med den jurisdiktions standardpraxis. Källklausul: 'In no event shall either party be liable for indirect, incidental or consequential damages arising from use of this service.'

Jämför med

Qwen3.7 Flash
Endast API-modell
1,000,000 tokens kontext · $0.03/M indata, $0.13/M utdata
Qwen3.8 Max (0902)
Endast API-modell
1,000,000 tokens kontext · $2.00/M indata, $6.00/M utdata
Qwen3.8 Omni Flash
Endast API-modell
1,000,000 tokens kontext · $0.15/M indata, $0.47/M utdata
Qwen3.5 Plus 2026-02-15
Endast API-modell
1,000,000 tokens kontext · $0.26/M indata, $1.56/M utdata

Fler textmodeller från qwen

Vanliga frågor

Can I run Qwen3.5 397B-A17B locally?: Ja, vikterna är öppna och publicerade på Hugging Face under Qwen/Qwen3.5-397B-A17B, kompatibla med vLLM, SGLang och KTransformers. Med 397 miljarder totala parametrar behöver du kraftfull hårdvara; de flesta som kör den lokalt använder en kvantiserad version.
What does it cost and how long is the context?: Via API kostar modellen $0,55 per miljon input-tokens och $3,50 per miljon output-tokens, med ett nativt kontextfönster på 262 144 tokens. Den hostade Qwen3.5-Plus-varianten utökar detta till 1 miljon tokens som standard.
How does this differ from Qwen3 or Qwen3-VL?: Qwen3.5 använder tidig fusionsträning multimodalt, vilket innebär att vision och språk är förenade från början snarare än ihopkopplade, och tillverkaren uppger att den når tvärgenerationell paritet med Qwen3 samtidigt som den överträffar Qwen3-VL-modeller på resonemangs-, kodnings- och visuell förståelsebenchmark.

Kaptens omdöme
En sällsynt öppen vikt-modell som verkligen konkurrerar inom vision, agenter och kod samtidigt — om du har råd med output-tokens eller hårdvaran.

Model card på Hugging Face

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Liknande modeller

NVIDIA Nemotron 3.5 Lightning

TEXT / LLM

Kimi Latest

TEXT / LLM

AI-modeller för bild-, video- och textgenerering

Qwen3.5 397B A17B är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm qwen vision video resonemang agenter kodning fler språk

Bläddra efter modellfamilj