Qwen3.5 Flash est le palier hébergé optimisé pour la vitesse et le coût de la génération Qwen3.5, que l'équipe Qwen a présentée sous la bannière « Towards Native Multimodal Agents ».
- Entrée
- texte image vidéo $0.1/M
- Sortie
- texte $0.4/M
- Lecture de cache
- $0.029/M
- Contexte
- 1M
- vs GPT-4o
- ~98% moins cher
Le prix en contexte
Position du prix parmi 60 modèles comparables
La barre montre où se situe le prix de ce modèle parmi tous les modèles du même type sur Synthorai. Le moins cher et le plus cher sont nommés à chaque extrémité. Ce sont des tarifs de base ; les remises lot, région et écriture en cache figurent sur la page des tarifs.
Spécifications et limites
Tokens
| Fenêtre de contexte (spécification du fournisseur) | 1 000 000 |
|---|---|
| Sortie max (spéc. fournisseur) | 65 536 |
Mise en cache
| Mode | automatique + explicite |
|---|---|
| Préfixe min. | 1 024 |
| Durée de vie | explicite : 5 min, réinitialisé à chaque hit |
| Coût d'écriture | 1.25x |
Raisonnement
| Paramètre du fournisseur | enable_thinking + thinking_budget |
|---|---|
| Valeurs acceptées | enable_thinking true · false; thinking_budget in tokens |
| Valeur par défaut | activée ; la série Qwen3.5 est à réflexion hybride, avec la réflexion activée par défaut appliquée si la requête ne précise rien |
| Désactivable | Oui |
| Comportement du raisonnement | La trace revient dans reasoning_content ; le reasoning_content des tours précédents est ignoré, et aucun modèle Qwen3.5 ne figure sur la liste preserve_thinking. |
| Paramètre | reasoning_effort |
| Valeurs | minimal · low · medium · high la surface de paramètres de la passerelle - le mappage fournisseur ci-dessus s'applique |
Modèle
| Modalités | texte + image + vidéo → texte |
|---|---|
| Paramètres | 35B au total · 3B actifs MoE |
- Modèle flash vision-langage natif (entrée texte/image/vidéo)
- réflexion hybride activée par défaut
- qualité globale officiellement positionnée proche de qwen3.5-plus
Un prompt, mesuré via la passerelle
Qwen3.5 Flash réussi · 3 sentences
Enabling reasoning requires the model to execute multi-step verification internally, which consumes significantly more tokens than a standard query. Since vendor fees are calculated per token processed, this added workload has directly resulted in a doubling of our total monthly expenditure. We view this cost increase as a strategic investment in higher model reliability, which prevents far more expensive errors from occurring downstream.
sortie 2010 tok (+1934 réflexion) latence 18.7 s
Suivi de l'instruction (exactement trois phrases - comptables), adaptation à l'audience (registre CFO), et l'écart de facturation lié à la réflexion cachée que les compteurs de tokens ci-dessous révèlent.
Qwen3.5 Flash réussi · 8/8 cases
The bug stems from two related issues: the function incorrectly initializes its counters and fails to account for runs starting at the beginning or ending at the last element. Specifically, `cur` counts how many consecutive pairs match (transitions) rather than the actual number of items in a run—for example, two equal items yield a `cur` value of 1 instead of 2. Additionally, if the input has fewer than two elements, the loop never executes, causing single-element lists to return 0 instead of 1, and runs that end at the final index may not be fully captured since updates rely on detecting a mismatch or completing the loop. To fix it, initialize `cur` and `best` to 1 (assuming a non-empty input), handle empty inputs explicitly, and ensure every comparison contributes accurately to the actual item count in the current run. […]
sortie 1020 tok (+747 réflexion) latence 9.8 s
Si le correctif est réellement juste (exécutable), la densité de l'explication, et l'efficacité en tokens sur une tâche bornée.
Qwen3.5 Flash réussi · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }
sortie 3545 tok (+3487 réflexion) latence 33.1 s
Respect du schéma (aucun champ inventé), pression d'hallucination (guidance est explicitement retenue), et différences de chemin pour la sortie structurée.
Qwen3.5 Flash réussi · 120 words, 0 banned, 1 question
We announce our cross platform prompt caching feature in the API Gateway. Storing frequent inputs allows developers to significantly reduce latency and minimize token costs for every request sent through our system. Utilizing OpenAI or Anthropic ensures consistency without repetitive processing fees. Organizations gain better control over spending while maintaining rapid response times for end users globally. Our engineering team ensured compatibility with your existing infrastructure without friction. Can your current setup handle such efficiency improvements effectively? All clients receive immediate access starting today. Update your configuration files now to enable this capability. Join thousands of others optimizing deployment pipelines efficiently. This tool delivers tangible results for scalable applications needing lower overhead costs. […]
sortie 10675 tok (+10535 réflexion) latence 80.1 s
Respect des contraintes (budget de mots, liste de mots interdits, l'unique question), empreinte stylistique, et contrôle de la longueur.
Utilisez Qwen3.5 Flash en 30 secondes
Compatible OpenAI : changez la base_url, gardez votre SDK. POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="qwen3.5-flash",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "qwen3.5-flash",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "qwen3.5-flash",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "qwen3.5-flash",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("qwen3.5-flash")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));À propos de Qwen3.5 Flash
- La génération repose sur l'architecture Qwen3-Next, qui combine attention linéaire à portes et Mixture-of-Experts creux pour une inférence à haut débit, et elle est entraînée nativement pour le travail agentique : planification, appel d'outils et exécution multi-étapes.
- Le palier Flash hébergé offre un contexte de 1M de tokens par défaut avec les outils intégrés officiels, et jusqu'à 65 536 tokens de sortie.
- Alibaba le positionne comme approchant Qwen3.5 Plus en capacité tout en répondant plus vite, et l'écart de taille derrière cette formule est public : la fiche de l'équipe Qwen pour Qwen3.5-35B-A3B en fait l'équivalent ouvert de ce palier hébergé, un Mixture-of-Experts de 35B de paramètres activant environ 3B par token, publié sous Apache 2.0, face aux 397B de Plus.
- Le choix entre les deux porte donc sur la capacité et pas seulement sur la latence, et Flash est aussi celui que vous pouvez exécuter vous-même.
- Il est nativement vision-langage, acceptant images et vidéos en plus du texte et renvoyant du texte.
- La réflexion inverse la valeur par défaut de Qwen3 : sur toute la génération 3.5, la réflexion hybride arrive activée, si bien qu'une requête raisonne à moins de passer enable_thinking à false, thinking_budget permettant de plafonner la dépense et la trace revenant dans reasoning_content.
- L'appel d'outils, la sortie structurée, l'inférence par lots et la mise en cache explicite des prompts sont pris en charge ; les appels d'outils parallèles sont sur option plutôt qu'activés par défaut.
- Synthorai le place derrière l'endpoint standard compatible OpenAI pour un usage direct.
FAQ
Peut-on essayer l'API Qwen3.5 Flash gratuitement ?
Oui : les nouveaux comptes reçoivent 10 appels d'essai et jusqu'à $1 de crédit gratuit, sans carte bancaire. À $0.1/M de tokens en entrée, ce crédit couvre à lui seul environ 1,250 requêtes de ~8K tokens sur Qwen3.5 Flash.
Quels sont les points forts de Qwen3.5 Flash ?
Attention linéaire à portes avec MoE creux ; contexte de 1M de tokens par défaut ; entraîné nativement pour le travail agentique. Voir la section À propos pour le tableau complet, tiré des notes de version officielles du fournisseur.
Combien coûte Qwen3.5 Flash ?
Sur Synthorai, Qwen3.5 Flash coûte $0.1 par million de tokens en entrée et $0.4 par million de tokens en sortie, soit le prix catalogue du fournisseur, sans majoration de plateforme. Les tokens d'entrée en cache sont facturés $0.029/M.
Qwen3.5 Flash prend-il en charge la mise en cache des prompts ?
Oui : la mise en cache automatique est activée par défaut, avec un mode explicite pour des économies garanties. Les tokens d'entrée en cache sont facturés $0.029/M contre $0.1/M hors cache ; les prompts doivent avoir un préfixe stable de 1,024 tokens pour être mis en cache (TTL explicite : 5 min, réinitialisé à chaque hit). Guide de mise en cache des prompts →
Comment obtenir l'accès à Qwen3.5 Flash ?
Pointez votre SDK OpenAI existant vers base_url="https://synthorai.io/v1", définissez model="qwen3.5-flash", et c'est tout. Une seule clé API couvre tous les modèles de la passerelle.
Modèles associés
Comparer
Chaque valeur de cette page est transcrite de la documentation du fournisseur, liée ci-dessus, et porte la date de sa vérification. Les prix sont comparés à l'échelle du catalogue ; les valeurs de spécification que les fournisseurs définissent différemment sont présentées avec la différence indiquée plutôt que mises en graphique. Rien ici n'est mesuré par nous, et rien n'est noté.