Qwen3.5 Plus è il livello ospitato di punta della generazione Qwen3.5, il passo del team Qwen "Towards Native Multimodal Agents."
- Input
- testo immagine video $0.4/M
- Output
- testo $2.4/M
- Lettura cache
- $0.115/M
- Contesto
- 1M
- vs GPT-4o
- ~92% più economico
Prompt oltre 256K token: l'intera richiesta viene fatturata a $0.5/M in input · $3/M in output
Benchmark
Dati pubblicati dai provider: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
Il prezzo a confronto
Dove si colloca il prezzo tra 68 modelli confrontabili
La barra mostra dove si colloca il prezzo di questo modello tra tutti i modelli dello stesso tipo su Synthorai. Alle due estremità sono indicati il più economico e il più caro. Sono tariffe base; gli sconti per batch, regione e scrittura in cache sono nella pagina dei prezzi.
Specifiche e limiti
Token
| Finestra di contesto (specifica del provider) | 1.000.000 |
|---|---|
| Output massimo (specifica del provider) | 65.536 |
Prompt caching
| Modalità | automatico + esplicito |
|---|---|
| Prefisso min. | 1.024 |
| Durata | esplicita: 5 min, si azzera a ogni hit |
| Costo di scrittura | 1.25x |
Ragionamento
| Parametro del provider | enable_thinking + thinking_budget |
|---|---|
| Valori accettati | enable_thinking true · false; thinking_budget in tokens |
| Valore di default | attivo; la serie Qwen3.5 è a thinking ibrido con il thinking abilitato di default applicato se la richiesta non specifica nulla |
| Disattivabile | Sì |
| Comportamento del ragionamento | La traccia viene restituita in reasoning_content; il reasoning_content dei turni precedenti viene ignorato e nessun modello Qwen3.5 è nell'elenco preserve_thinking. |
| Parametro | reasoning_effort |
| Valori | minimal · low · medium · high parametri esposti dal gateway: vale la mappatura del provider indicata sopra |
Modello
| Modalità | testo + immagine + video → testo |
|---|---|
| Parametri | 397B totali · 17B attivi MoE |
- Controparte in cloud di Qwen3.5-397B-A17B (VLM nativo, linear attention Gated-Delta + MoE sparso)
- contesto da 1M di token di default, strumenti integrati, 201 lingue
- thinking ibrido attivo di default
Un solo prompt, misurato attraverso il gateway
Qwen3.5 Plus superato · 3 sentences
Enabling reasoning requires the model to generate hidden intermediate steps before answering, which effectively doubles the computational tokens consumed per query. This increase in unit economics is direct, as we are now paying for deeper analytical work rather than simple response generation. The higher spend is justified by improved accuracy, which reduces downstream error correction costs and operational risk.
out 1903 tok (+1832 ragionamento) latenza 33.2 s
Rispetto delle istruzioni (esattamente tre frasi: si contano), adattamento al destinatario (registro da CFO) e lo scarto di fatturazione dovuto al ragionamento nascosto, che i contatori di token qui sotto mettono in luce.
Qwen3.5 Plus superato · 8/8 cases
```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: best = max(best, cur) cur = 1 return max(best, cur) ``` The bug arises because `cur` and `best` are initialized to 0, which counts matching transitions rather than the actual number of elements, causing single-item runs to incorrectly return 0; furthermore, `best` is only updated inside the loop, so if the longest run extends to the final index, the final value of `cur` is never compared against `best` before the function returns.
out 5421 tok (+5243 ragionamento) latenza 93.1 s
Se la correzione è davvero giusta (si può eseguire), quanto è densa la spiegazione e quanti token servono per un compito circoscritto.
Qwen3.5 Plus superato · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }
out 1298 tok (+1240 ragionamento) latenza 23.0 s
Aderenza allo schema (nessun campo inventato), tentazione di allucinare (il testo dice espressamente che la guidance non viene comunicata) e differenze tra i percorsi di output strutturato.
Qwen3.5 Plus superato · 120 words, 0 banned, 1 question
Introducing intelligent prompt caching within our API gateway. This new capability stores frequent requests across multiple AI providers, significantly reducing latency and costs for your applications. Why pay for repeated computations when you can serve stored responses instantly? Our system identifies identical inputs and delivers cached outputs without querying external models every time. This ensures faster performance while maintaining secure privacy standards. Developers can optimize their workflows without complex infrastructure changes. The update is available immediately for enterprise plans. Start saving resources by enabling this feature in your dashboard. We believe this tool will transform how you manage API traffic efficiently. Join thousands of users already benefiting from reduced overhead and improved speed. Your infrastructure really deserves this upgrade today.
out 6787 tok (+6649 ragionamento) latenza 116.3 s
Rispetto dei vincoli (budget di parole, elenco di parole vietate, l'unica domanda), impronta stilistica e controllo della lunghezza.
Usa Qwen3.5 Plus in 30 secondi
Compatibile con OpenAI: cambi base_url e tieni il tuo 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-plus",
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-plus",
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-plus",
"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-plus",
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-plus")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Informazioni su Qwen3.5 Plus
- Costruita sull'architettura Qwen3-Next che accoppia gated linear attention e Mixture-of-Experts sparso, la generazione usa un addestramento multimodale a fusione precoce e mette l'accento sulla capacità agentica attraverso ragionamento, coding e uso degli strumenti, con modalità adattive di tool calling.
- Il livello Plus ospitato fornisce una finestra di contesto da 1M di token per impostazione predefinita, adatta ai carichi di lavoro su documenti estesi e agli agent a lungo orizzonte.
- La card del team Qwen per Qwen3.5-397B-A17B descrive questo livello ospitato come la sua versione gestita: un Mixture-of-Experts da 397B di parametri che ne attiva circa 17B per token, pubblicato apertamente sotto Apache 2.0.
- È all'incirca un ordine di grandezza di capacità totale in più rispetto al livello Flash, ed è questa la vera differenza tra i due, più della sola latenza.
- I limiti serviti arrivano a 65.536 token di output con un'ampia riserva separata per il ragionamento, input nativo di immagini e video e una copertura multilingue che il team Qwen indica in 201 lingue e dialetti.
- Il thinking è ibrido e, a differenza della generazione Qwen3, è abilitato per impostazione predefinita: si passa enable_thinking come false per una risposta diretta, si usa thinking_budget per delimitare quanto a lungo delibera e si legge la traccia dal campo reasoning_content separato, dove viene fatturata come output.
- Strumenti integrati, function calling, output strutturato, inferenza batch e caching esplicito dei prompt completano la superficie, con le chiamate parallele agli strumenti disattivate se non richieste.
- Synthorai instrada il traffico di Qwen3.5 Plus tramite la sua API compatibile OpenAI.
FAQ
L'API di Qwen3.5 Plus si può provare gratis?
Sì: i nuovi account ricevono 10 chiamate di prova e fino a $1 di credito gratuito, senza bisogno di carta. A $0.4/M per i token di input, quel credito basta da solo per circa 312 richieste da ~8K token a Qwen3.5 Plus.
In cosa eccelle Qwen3.5 Plus?
Addestramento multimodale con early fusion; modalità adattive di tool calling; finestra di contesto da 1M di token di default. Il quadro completo è nella sezione «Informazioni», ripreso dalle note di rilascio ufficiali del provider.
Quanto costa Qwen3.5 Plus?
Su Synthorai Qwen3.5 Plus costa $0.4 per milione di token di input e $2.4 per milione di token di output: è il prezzo di listino del provider, senza sovrapprezzo di piattaforma. I token di input letti dalla cache costano $0.115/M.
Qual è la finestra di contesto di Qwen3.5 Plus?
Qwen3.5 Plus ha una finestra di contesto di 1M token su Synthorai. Una singola risposta può arrivare a 65,536 token.
Qwen3.5 Plus supporta il prompt caching?
Sì: il caching automatico è attivo di default, con una modalità esplicita per risparmi garantiti. I token di input letti dalla cache costano $0.115/M, contro $0.4/M senza cache; per andare in cache un prompt deve avere un prefisso stabile di 1,024 token (TTL esplicita: 5 min, si azzera a ogni hit). Guida al prompt caching →
Come ottengo l'accesso a Qwen3.5 Plus?
Fai puntare l'SDK OpenAI che usi già a base_url="https://synthorai.io/v1", imposta model="qwen3.5-plus" e hai finito: una sola chiave API vale per tutti i modelli del gateway.
Modelli correlati
Confronta
Ogni valore di questa pagina è ripreso dalla documentazione del provider (il link è qui sopra) e riporta la data dell'ultima verifica. I prezzi sono confrontati sull'intero catalogo; per le specifiche che ogni provider definisce a modo suo indichiamo la differenza invece di metterle in un grafico. Qui non c'è nulla di misurato da noi e non assegniamo punteggi.