Qwen: Qwen3.5 397B A17B

Erzeugt Text. Multimodale Varianten können zusätzliche Eingabeformate auswerten.

qwen/qwen3.5-397b-a17b · Entwickler Alibaba / Qwen · 10 gelistete Routen

#Profil und Fähigkeiten

Hauptbereich: Text / Chat
Variante: Standard
Eingabe: Text, Bild, Video
Ausgabe: Text
Kontextfenster: 262.144 Token
Maximale Ausgabe laut Katalog: 235.929 Token
Werkzeuge: Ja
Strukturiertes JSON: Ja
Reasoning: Optional
Im Katalog seit: 16.02.2026
Kanonische Modell-ID: qwen/qwen3.5-397b-a17b-20260216
Eingabe-/Ausgabe-Parameter: frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs, top_p
API-Pfade: /api/v1/chat/completions /api/v1/completions /api/v1/messages /api/v1/responses
Modellkarte: Qwen/Qwen3.5-397B-A17B
Lizenzfeld der Modellkarte: apache-2.0
Modellkarte · Kategorie: image-text-to-text
Modellkarte · Bibliothek: transformers

Die Entwicklerkarte beschreibt ein multimodales Mixture-of-Experts-Modell mit 397 Milliarden Gesamtparametern und 17 Milliarden aktiven Parametern. Die Karte dokumentiert außerdem die lokale Bereitstellung. In OpenRouter unterscheiden sich Routen bei Preis, Kontextlimit und gemessener Geschwindigkeit. Quelle

Die Modellkarte beschreibt die dort veröffentlichte Variante. Die technischen Limits und Preise von OpenRouter stehen in den Abschnitten zu Routen und Tarifen.

Modellart im Leitfaden einordnen

#Hosting-Anbieter und Messwerte

P50 ist der Median der jeweils veröffentlichten Messreihe. Preise in US-Dollar je Million Token. Medientarife stehen im nächsten Abschnitt. — steht für eine fehlende oder hier nicht anwendbare Angabe.

Routen, Preise und veröffentlichte Messwerte
Anbieter und Routing-Tag	Tier / Präzision	USD/Mio. Eingabe	USD/Mio. Ausgabe	Kontext	P50-Latenz (s)	P50 Token/s	Uptime 1 Tag
Alibaba `alibaba`	unknown	0,39	2,34	262.144	1,078	54,0	100,0 %
DeepInfra `deepinfra/fp8`	fp8	0,45	3,00	262.144	0,736	49,0	100,0 %
Parasail `parasail/fp8`	fp8	0,50	3,60	262.144	0,716	72,0	100,0 %
DigitalOcean `digitalocean`	unknown	0,55	3,50	131.072	0,771	10,0	71,88 %
Phala `phala`	unknown	0,55	3,50	262.144	1,653	48,0	99,34 %
AtlasCloud `atlas-cloud/fp8`	fp8	0,55	3,50	262.144	1,137	58,0	100,0 %
StreamLake `streamlake`	unknown	0,60	3,60	256.000	1,364	52,0	100,0 %
GMICloud `gmicloud/fp8`	fp8	0,60	3,60	262.144	1,570	53,0	100,0 %
Novita `novita`	unknown	0,60	3,60	262.144	1,530	46,0	100,0 %
Venice `venice`	unknown	0,75	4,50	128.000	0,625	65,0	100,0 %

Routing-Details, Limits, ZDR und Messfenster

ZDR-Status aus der öffentlichen OpenRouter-Liste. Der API-Statuscode wird als Rohwert angezeigt.

Technische und betriebliche Routenmerkmale
Anbieter und Routing-Tag	Region	Datenschutzangaben	Max. Eingabe	Max. Ausgabe	Messart und Stichprobe	Funktionen	Quellen
Alibaba `alibaba`	—	Nicht gelistet · Aufbewahrung Ja · Training Nein	258.048	65.536	latency · 30 min · 373 Anfragen Durchsatz: 355 Anfragen · 30 min	Werkzeuge	Endpunkt-API · Messwerte
DeepInfra `deepinfra/fp8`	us	Gelistet · Aufbewahrung Nein · Training Nein	—	81.920	latency · 30 min · 785 Anfragen Durchsatz: 763 Anfragen · 30 min	Impliziter Cache · Werkzeuge · Strukturiertes JSON	Endpunkt-API · Messwerte
Parasail `parasail/fp8`	—	Gelistet · Aufbewahrung Nein · Training Nein	—	235.929	latency · 30 min · 316 Anfragen Durchsatz: 226 Anfragen · 30 min	Impliziter Cache · Werkzeuge · Strukturiertes JSON	Endpunkt-API · Messwerte
DigitalOcean `digitalocean`	—	Gelistet · Aufbewahrung Nein · Training Nein	—	117.964	latency · 30 min · 6 Anfragen Durchsatz: 1.221 Anfragen · 1.440 min	Impliziter Cache · Werkzeuge · Strukturiertes JSON	Endpunkt-API · Messwerte
Phala `phala`	—	Gelistet · Aufbewahrung Nein · Training Nein	—	235.929	latency · 30 min · 137 Anfragen Durchsatz: 127 Anfragen · 30 min	Impliziter Cache · Werkzeuge · Strukturiertes JSON	Endpunkt-API · Messwerte
AtlasCloud `atlas-cloud/fp8`	—	Nicht gelistet · Aufbewahrung Ja · Training Nein	—	65.536	latency · 30 min · 48 Anfragen Durchsatz: 2.521 Anfragen · 1.440 min	Impliziter Cache · Werkzeuge · Strukturiertes JSON	Endpunkt-API · Messwerte
StreamLake `streamlake`	—	Nicht gelistet · Aufbewahrung Ja · Training Nein	—	64.000	latency · 30 min · 9.629 Anfragen Durchsatz: 9.056 Anfragen · 1.440 min	Impliziter Cache · Strukturiertes JSON	Endpunkt-API · Messwerte
GMICloud `gmicloud/fp8`	—	Nicht gelistet · Aufbewahrung Ja · Training Nein	—	235.929	latency · 30 min · 3 Anfragen Durchsatz: 621 Anfragen · 1.440 min	Werkzeuge	Endpunkt-API · Messwerte
Novita `novita`	—	Gelistet · Aufbewahrung Nein · Training Nein	—	65.536	latency · 30 min · 26 Anfragen Durchsatz: 3.827 Anfragen · 1.440 min	Werkzeuge	Endpunkt-API · Messwerte
Venice `venice`	—	Gelistet · Aufbewahrung Nein · Training Nein	—	32.768	latency · 30 min · 48 Anfragen Durchsatz: 1.847 Anfragen · 1.440 min	Werkzeuge · Strukturiertes JSON	Endpunkt-API · Messwerte

#Preise und Tarife

Preise im allgemeinen Modellkatalog
Preisposition	USD	Abrechnungseinheit
Eingabe	0,50	pro 1 Mio. Token
Ausgabe	3,60	pro 1 Mio. Token
Cache-Lesen	0,30	pro 1 Mio. Token

Eine Tarifposition kann in mehreren Quellen auftauchen. Abrechnungseinheit, Bedingung und Routing-Tag bestimmen, welcher Tarif gilt.

Spezialpreise, Zusatzleistungen und Kontextstaffeln
Geltungsbereich	Preisposition	Stufe / Bedingung	USD	Einheit	Quelle
Katalogweit	Cache-Lesen	—	0,30	pro 1 Mio. Token	Modellkatalog (Zusatztarife)
DeepInfra `deepinfra/fp8`	Cache-Lesen	—	0,22	pro 1 Mio. Token	Endpunkt-API (Zusatztarife)
Parasail `parasail/fp8`	Cache-Lesen	—	0,30	pro 1 Mio. Token	Endpunkt-API (Zusatztarife)
DigitalOcean `digitalocean`	Cache-Lesen	—	0,11	pro 1 Mio. Token	Endpunkt-API (Zusatztarife)
Phala `phala`	Cache-Lesen	—	0,225	pro 1 Mio. Token	Endpunkt-API (Zusatztarife)
AtlasCloud `atlas-cloud/fp8`	Cache-Lesen	—	0,55	pro 1 Mio. Token	Endpunkt-API (Zusatztarife)
StreamLake `streamlake`	Cache-Lesen	—	0,12	pro 1 Mio. Token	Endpunkt-API (Zusatztarife)

#Benchmarks

Veröffentlichte Benchmark-Indizes
Artificial Analysis	Index
Coding Index	48,2
Agentic Index	8,3

Methodik von Artificial Analysis

Design Arena · Elo und Rang innerhalb derselben Kategorie vergleichen
Arena	Aufgabenkategorie	Elo	Rang	Gewinnrate
models	3d	1.154	68	56,7 %
models	codecategories	1.176	71	52,6 %
models	dataviz	1.175	70	53,2 %
models	gamedev	1.137	81	50,2 %
models	svg	1.136	56	56,1 %
models	uicomponent	1.158	79	51,4 %
models	website	1.189	71	52,5 %

Design Arena

#Quellen und weitere Informationen

Zu dieser Zeile im vollständigen Katalog