O Qwen3.5 Plus é o nível hospedado carro-chefe da geração Qwen3.5, o passo da equipe Qwen “Towards Native Multimodal Agents”.
- Entrada
- texto imagem vídeo $0.4/M
- Saída
- texto $2.4/M
- Leitura de cache
- $0.115/M
- Contexto
- 1M
- vs GPT-4o
- ~92% mais barato
Prompts acima de 256K tokens: toda a requisição é cobrada a $0.5/M de entrada · $3/M de saída
Benchmarks
Publicado pelos provedores: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
O preço em contexto
Posição do preço entre 68 modelos comparáveis
A barra mostra onde fica o preço deste modelo entre todos os modelos do mesmo tipo na Synthorai. Nas extremidades aparecem o mais barato e o mais caro. São as tarifas base; os descontos de batch, região e escrita de cache estão na página de preços.
Especificações e limites
Tokens
| Janela de contexto (especificação do provedor) | 1.000.000 |
|---|---|
| Saída máxima (especificação do provedor) | 65.536 |
Cache de prompts
| Modo | automático + explícito |
|---|---|
| Prefixo mín. | 1.024 |
| Duração | explícito: 5 min, reinicia a cada acerto |
| Custo de escrita | 1.25x |
Raciocínio
| Parâmetro do provedor | enable_thinking + thinking_budget |
|---|---|
| Valores aceitos | enable_thinking true · false; thinking_budget in tokens |
| Valor padrão | ativado; a série Qwen3.5 é de raciocínio híbrido, com o raciocínio ativado por padrão usado quando a requisição não define nada |
| Pode ser desativado | Sim |
| Comportamento do raciocínio | O trace retorna em reasoning_content; o reasoning_content dos turnos anteriores é ignorado, e nenhum modelo Qwen3.5 está na lista de preserve_thinking. |
| Parâmetro | reasoning_effort |
| Valores | minimal · low · medium · high parâmetros expostos pelo gateway; vale o mapeamento do provedor indicado acima |
Modelo
| Modalidades | texto + imagem + vídeo → texto |
|---|---|
| Parâmetros | 397B no total · 17B ativos MoE |
- Contraparte hospedada na nuvem do Qwen3.5-397B-A17B (VLM nativo, atenção linear Gated-Delta + MoE esparso)
- contexto de 1M tokens por padrão, ferramentas integradas, 201 idiomas
- raciocínio híbrido ativado por padrão
conforme documentação oficial da Alibaba ↗
Um prompt, medido pelo gateway
Qwen3.5 Plus passou · 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.
saída 1903 tok (+1832 raciocínio) latência 33.2 s
Se a instrução é seguida (exatamente três frases, dá para contar), a adequação ao público (tom para um CFO) e a diferença de cobrança causada pelo raciocínio oculto, que os medidores de tokens abaixo deixam à mostra.
Qwen3.5 Plus passou · 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.
saída 5421 tok (+5243 raciocínio) latência 93.1 s
Se a correção está mesmo certa (dá para executar), a densidade da explicação e a eficiência em tokens em uma tarefa bem delimitada.
Qwen3.5 Plus passou · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }
saída 1298 tok (+1240 raciocínio) latência 23.0 s
Aderência ao schema (sem campos inventados), pressão para alucinar (o texto diz explicitamente que o guidance não foi divulgado) e diferenças no caminho de saída estruturada.
Qwen3.5 Plus passou · 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.
saída 6787 tok (+6649 raciocínio) latência 116.3 s
Respeito às restrições (limite de palavras, lista de palavras proibidas, uma única pergunta), a marca de estilo de cada modelo e o controle do tamanho.
Use o Qwen3.5 Plus em 30 segundos
Compatível com OpenAI: troque a base_url, mantenha seu 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(""));Sobre o Qwen3.5 Plus
- Construída sobre a arquitetura Qwen3-Next, que combina atenção linear com gating (gated linear attention) com Mixture-of-Experts esparso, a geração usa treinamento multimodal de fusão precoce e enfatiza a capacidade agêntica em raciocínio, código e uso de ferramentas, com modos adaptativos de chamada de ferramentas.
- O nível hospedado Plus fornece uma janela de contexto de 1M tokens por padrão, adequada a cargas de trabalho de documentos grandes e de agentes de longo horizonte.
- O cartão da própria equipe Qwen para o Qwen3.5-397B-A17B descreve este nível hospedado como sua versão gerenciada: um Mixture-of-Experts de 397B de parâmetros ativando cerca de 17B por token, publicado abertamente sob Apache 2.0.
- Isso é cerca de uma ordem de magnitude a mais de capacidade total que o nível Flash, que é a diferença real entre eles, e não a latência sozinha.
- Os limites servidos chegam a 65.536 tokens de saída com uma grande cota separada de raciocínio, entrada nativa de imagem e vídeo, e cobertura multilíngue que a equipe Qwen coloca em 201 idiomas e dialetos.
- O raciocínio é híbrido e, ao contrário da geração Qwen3, vem ativado por padrão: passe enable_thinking como false para uma resposta direta, use thinking_budget para limitar quanto ele delibera, e leia o trace no campo separado reasoning_content, onde é cobrado como saída.
- Ferramentas integradas, function calling, saída estruturada, inferência em lote e cache explícito de prompts completam a superfície, com chamadas de ferramentas em paralelo desligadas a menos que sejam solicitadas.
- A Synthorai roteia o tráfego do Qwen3.5 Plus pela sua API compatível com OpenAI.
Perguntas frequentes
A API do Qwen3.5 Plus é gratuita para testar?
Sim. Contas novas recebem 10 chamadas de teste e até $1 em créditos gratuitos, sem precisar de cartão. A $0.4/M de tokens de entrada, só esse crédito já cobre cerca de 312 requisições de ~8K tokens ao Qwen3.5 Plus.
Em que o Qwen3.5 Plus é melhor?
Treinamento multimodal de fusão precoce; modos adaptativos de chamada de ferramentas; janela de contexto de 1M tokens por padrão. Veja na seção Sobre o quadro completo, tirado das notas de lançamento do próprio provedor.
Quanto custa o Qwen3.5 Plus?
Na Synthorai, o Qwen3.5 Plus custa $0.4 por milhão de tokens de entrada e $2.4 por milhão de tokens de saída. É o preço de tabela do provedor, sem markup da plataforma. Tokens de entrada em cache são cobrados a $0.115/M.
Qual é a janela de contexto do Qwen3.5 Plus?
O Qwen3.5 Plus tem uma janela de contexto de 1M tokens na Synthorai. Uma única resposta pode ter até 65,536 tokens.
O Qwen3.5 Plus suporta cache de prompts?
Sim: o cache automático vem ativado por padrão, com um modo explícito para economia garantida. Tokens de entrada em cache são cobrados a $0.115/M, contra $0.4/M sem cache; os prompts precisam de um prefixo estável de 1,024 tokens para entrar em cache (TTL explícito: 5 min, reinicia a cada acerto). Guia de cache de prompts →
Como obtenho acesso ao Qwen3.5 Plus?
Aponte o SDK da OpenAI que você já usa para base_url="https://synthorai.io/v1", defina model="qwen3.5-plus" e pronto. Uma única chave de API cobre todos os modelos do gateway.
Modelos relacionados
Comparar
Cada valor desta página foi transcrito da documentação do provedor, com link acima, e traz a data em que foi verificado. Os preços são comparados em todo o catálogo; já as especificações que cada provedor define de um jeito aparecem com a diferença indicada, em vez de irem para um gráfico. Nada aqui foi medido por nós, e nada recebe nota.