Qwen3.5 Flash 是 Qwen3.5 一代中面向速度和成本优化的托管档位，Qwen 团队以「迈向原生多模态智能体」为旗号推出这一代。
- 输入
- 文本 图像 视频 $0.1/M
- 输出
- 文本 $0.4/M
- 缓存读取
- $0.029/M
- 上下文
- 1M
- 对比 GPT-4o
- 便宜约 98%
价格在同类中的位置
价格在 68 个同类模型中的位置
这条线标出该模型的价格在 Synthorai 同类模型中的位置，两端分别是最便宜和最贵的模型。这里是基础价，批量、区域和缓存写入的折扣见价格页。
规格与限制
Token
| 上下文窗口（供应商规格） | 1,000,000 |
|---|---|
| 最大输出（供应商规格） | 65,536 |
提示词缓存
| 缓存方式 | 自动 + 显式 |
|---|---|
| 最小前缀 | 1,024 |
| 有效期 | 显式模式：5 分钟，命中即重置 |
| 写入成本 | 1.25x |
思考
| 供应商参数 | enable_thinking + thinking_budget |
|---|---|
| 可选值 | enable_thinking true · false; thinking_budget in tokens |
| 默认值 | 开启；Qwen3.5 系列为混合思考，思考默认启用 请求未指定时生效 |
| 可关闭 | 支持 |
| 思考行为 | 思维链通过 reasoning_content 返回；此前轮次的 reasoning_content 会被忽略，且没有任何 Qwen3.5 模型在 preserve_thinking 列表中 |
| 参数 | reasoning_effort |
| 取值 | minimal · low · medium · high 这是网关侧的参数，实际以上方的供应商映射为准 |
模型
| 模态 | 文本 + 图像 + 视频 → 文本 |
|---|---|
| 参数量 | 总参数 35B · 激活 3B MoE（混合专家） |
- 原生视觉语言 flash 模型（文本/图像/视频输入）
- 混合思考默认开启
- 官方定位其整体质量接近 qwen3.5-plus
一条提示词，经网关实测
Qwen3.5 Flash 通过 · 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.
输出 2010 tok (+1934 思考) 延迟 18.7 s
指令遵循（恰好三句，数得出来）、受众适配（对 CFO 说话的口吻），以及下方 token 计数暴露出的隐藏思考计费差额。
Qwen3.5 Flash 通过 · 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. […]
输出 1020 tok (+747 思考) 延迟 9.8 s
修复是否真的正确（能运行）、解释的信息密度，以及在一个范围明确的任务上的 token 效率。
Qwen3.5 Flash 通过 · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }
输出 3545 tok (+3487 思考) 延迟 33.1 s
是否严守 schema（不臆造字段）、能否顶住幻觉压力（原文明说暂不给出 guidance），以及结构化输出路径的差异。
Qwen3.5 Flash 通过 · 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. […]
输出 10675 tok (+10535 思考) 延迟 80.1 s
是否守住约束（字数预算、禁用词表、只能有一个问句）、文风特征，以及长度控制。
30 秒用上 Qwen3.5 Flash
兼容 OpenAI：换掉 base_url，SDK 不用改。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(""));关于 Qwen3.5 Flash
- 它构建于把门控线性注意力与稀疏混合专家（MoE）结合以实现高吞吐推理的 Qwen3-Next 架构之上，并原生针对智能体工作训练：规划、工具调用和多步执行。
- 托管的 Flash 档默认提供 1M token 上下文和官方内置工具，输出最高 65,536 token。
- 阿里把它定位为能力接近 Qwen3.5 Plus 而回答更快，其背后的尺寸差距是公开的：Qwen 团队为 Qwen3.5-35B-A3B 出具的模型卡点名它是这个托管档位的开源对应版本，一个 35B 参数、每 token 激活约 3B 的混合专家模型，以 Apache 2.0 发布，而 Plus 是 397B。
- 所以两者之间的取舍是容量，而不只是延迟，而且 Flash 你还可以自己跑。
- 它原生具备视觉语言能力，除文本外接受图像和视频输入并返回文本。
- 思考翻转了 Qwen3 的默认：在 3.5 这一代，混合思考出厂即开启，因此请求会先推理，除非你把 enable_thinking 传为 false，thinking_budget 可用来限制花销，轨迹返回在 reasoning_content 中。
- 支持工具调用、结构化输出、批量推理和显式提示词缓存；并行工具调用需要显式开启，而不是默认。
- Synthorai 把它放在标准的 OpenAI 兼容端点之后，可直接使用。
常见问题
Qwen3.5 Flash API 可以免费试用吗？
可以。新账号有 10 次试用调用，免费额度最高 $1，无需绑卡。按输入 $0.1/M 计算，光这笔额度就够向 Qwen3.5 Flash 发约 1,250 次请求，每次 ~8K token。
Qwen3.5 Flash 最擅长什么？
门控线性注意力加稀疏 MoE、默认 1M token 上下文、为智能体工作原生训练。完整介绍见「关于」部分，内容取自供应商的官方发布说明。
Qwen3.5 Flash 的价格是多少？
在 Synthorai 上，Qwen3.5 Flash 的输入价为 $0.1/百万 token，输出价为 $0.4/百万 token。这就是供应商官网价，平台不加价。缓存命中的输入 token 按 $0.029/M 计费。
Qwen3.5 Flash 的上下文长度是多少？
Qwen3.5 Flash 的上下文长度（上下文窗口）是 1M token。单次回复最多输出 65,536 个 token。
Qwen3.5 Flash 支持提示词缓存（prompt caching）吗？
支持：自动缓存默认开启，另有显式模式，可以确保拿到折扣。缓存命中的输入 token 按 $0.029/M 计费（未命中为 $0.1/M）；提示词的稳定前缀至少要有 1,024 个 token 才能缓存（TTL 显式模式：5 分钟，命中即重置）。 提示词缓存指南 →
如何开通 Qwen3.5 Flash？
把现有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1"，model 设为 "qwen3.5-flash" 即可。一个 API key 就能调用网关上的全部模型。
相关模型
对比
本页的每个数值都照录自供应商自己的文档（链接见上），并标有核对日期。价格是在整个目录范围内比较的；各家供应商定义不一样的规格项，只说明差异，不画图对比。这里没有任何一项是我们自己测的，也不打分。