Qwen3.5 Flash 是 Qwen3.5 世代中針對速度與成本最佳化的託管等級，Qwen 團隊以「Towards Native Multimodal Agents」為題發表了這一代。
- 輸入
- 文字 圖像 影片 $0.1/M
- 輸出
- 文字 $0.4/M
- 快取讀取
- $0.029/M
- 上下文
- 1M
- 相較 GPT-4o
- 便宜約 98%
價格在同類中的位置
價格在 68 個同類模型中的位置
這條線標出這個模型的價格，在 Synthorai 的同類模型裡落在什麼位置；兩端分別是最便宜和最貴的模型。這裡列的是基礎價，批次、區域和快取寫入的折扣請見價格頁。
規格與限制
Token
| 上下文視窗（供應商規格） | 1,000,000 |
|---|---|
| 最大輸出（供應商規格） | 65,536 |
提示詞快取
| 快取方式 | 自動 + 顯式 |
|---|---|
| 最小前綴 | 1,024 |
| 存活時間 | 顯式模式：5 分鐘，命中即重置 |
| 寫入成本 | 1.25x |
思考
| 供應商參數 | enable_thinking + thinking_budget |
|---|---|
| 可接受的值 | enable_thinking true · false; thinking_budget in tokens |
| 預設值 | 開啟；Qwen3.5 系列為混合思考，且預設啟用思考 請求未指定時生效 |
| 可關閉 | 支援 |
| 思考行為 | 思考軌跡透過 reasoning_content 回傳；先前輪次的 reasoning_content 會被忽略，且沒有任何 Qwen3.5 模型在 preserve_thinking 清單上。 |
| 參數 | reasoning_effort |
| 參數值 | minimal · low · medium · high 這是閘道的參數，實際以上方的供應商對應為準 |
模型
| 模態 | 文字 + 圖像 + 影片 → 文字 |
|---|---|
| 參數量 | 總參數 35B · 啟用 3B MoE |
- 原生視覺語言 flash 模型（文字/影像/影片輸入）
- 混合思考預設開啟
- 官方定位其整體品質接近 qwen3.5-plus
一段提示詞，經閘道實測
Qwen3.5 Flash 通過 · 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.
輸出 2010 tok (+1934 思考) 延遲 18.7 s
是否照指令做（剛好三句，數得出來）、語氣是否貼合對象（寫給 CFO 看），以及下方 token 計量顯示出的隱藏思考計費落差。
Qwen3.5 Flash 通過 · 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. […]
輸出 1020 tok (+747 思考) 延遲 9.8 s
修正是否真的正確（跑得起來）、說明的資訊密度，以及在範圍明確的任務上的 token 效率。
Qwen3.5 Flash 通過 · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }
輸出 3545 tok (+3487 思考) 延遲 33.1 s
是否遵守 schema（不自創欄位）、面對幻覺誘因的表現（題目明確不給 guidance），以及結構化輸出路徑的差異。
Qwen3.5 Flash 通過 · 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. […]
輸出 10675 tok (+10535 思考) 延遲 80.1 s
是否遵守限制（字數上限、禁用詞清單、只能有一句問句）、文字風格的特徵，以及長度控制。
30 秒上手 Qwen3.5 Flash
相容 OpenAI：換掉 base_url，SDK 不用換。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(""));關於 Qwen3.5 Flash
- 該世代建立在 Qwen3-Next 架構之上，結合門控線性注意力與稀疏混合專家以取得高吞吐推理，並針對智慧體工作做原生訓練：規劃、工具呼叫與多步執行。
- 託管的 Flash 等級預設提供 1M token 上下文與官方內建工具，輸出最高 65,536 token。
- 阿里把它定位為能力接近 Qwen3.5 Plus 而回應更快，兩者背後的規模差距是公開的：Qwen 團隊為 Qwen3.5-35B-A3B 撰寫的模型卡指出它是這個託管等級的開源對應版本，一個 35B 參數的混合專家模型、每 token 啟用約 3B，以 Apache 2.0 釋出，而 Plus 為 397B。
- 因此兩者之間的選擇是容量，而不只是延遲，而且 Flash 是你也可以自行執行的那一個。
- 它原生就是視覺語言模型，在文字之外接受影像與影片輸入並回傳文字。
- 思考翻轉了 Qwen3 的預設：整個 3.5 世代出廠時混合思考即為開啟，因此請求會自行推理，除非把 enable_thinking 傳為 false，thinking_budget 可用來限制花費，推理軌跡回傳在 reasoning_content 中。
- 工具呼叫、結構化輸出、批次推理與顯式提示詞快取均受支援；並行工具呼叫則需主動開啟，並非預設。
- Synthorai 把它置於標準的 OpenAI 相容端點之後，可直接替換使用。
常見問題
Qwen3.5 Flash API 可以免費試用嗎？
可以，新帳號有 10 次試用呼叫和最高 $1 的免費額度，免綁卡。以輸入價 $0.1/M 計算，光是這筆額度就夠你對 Qwen3.5 Flash 發出約 1,250 次請求，每次約 8K token。
Qwen3.5 Flash 最擅長什麼？
門控線性注意力加稀疏 MoE、預設 1M token 上下文、為智慧體工作原生訓練。完整介紹請見「關於」一節，內容取自供應商官方的發布說明。
Qwen3.5 Flash 的價格是多少？
在 Synthorai 上，Qwen3.5 Flash 的輸入價是每百萬 token $0.1，輸出價是每百萬 token $0.4。這就是供應商官網價，平台不加價。快取命中的輸入 token 以 $0.029/M 計費。
Qwen3.5 Flash 的上下文長度是多少？
Qwen3.5 Flash 的上下文長度（上下文視窗）是 1M token。單次回覆最多輸出 65,536 個 token。
Qwen3.5 Flash 支援提示詞快取（prompt caching）嗎？
支援：自動快取預設開啟，另有顯式模式，可確保拿到折扣。快取命中的輸入 token 以 $0.029/M 計費（未命中為 $0.1/M）；提示詞要有 1,024 個 token 以上的穩定前綴，才能命中快取（TTL 顯式模式：5 分鐘，命中即重置）。 提示詞快取指南 →
如何開通 Qwen3.5 Flash？
把現有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1"，model 設為 "qwen3.5-flash" 就可以了。一把 API 金鑰就能呼叫閘道上的所有模型。
相關模型
比較
本頁每一個數值都摘錄自供應商自己的文件（連結見上方），並附上查核日期。價格是放在整個目錄裡比較；各家供應商定義不一樣的規格，只說明差異，不畫成圖表比較。這裡沒有任何數據是我們自己量測的，也不做評分。