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 60 个同类模型中的位置
这条线显示该模型的价格，在 Synthorai 上同类模型里处于什么位置。两端标出了最便宜和最贵的那个。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(厂商规格) | 1,000,000 |
|---|---|
| 最大输出(厂商规格) | 65,536 |
提示词缓存
| 缓存方式 | 自动 + 显式 |
|---|---|
| 最低前缀 | 1,024 |
| 存活时间 | 显式模式：5 分钟，命中即重置 |
| 写入成本 | 1.25x |
思考
| 厂商参数 | 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 网关侧参数面——以上方厂商映射为准 |
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
单个 Prompt —— 通过网关实测
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，可数）、受众适配（面向 CFO 的语气），以及下方 token 计量所暴露的隐藏思考计费缺口。
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（可运行）、解释的信息密度，以及在一个边界明确的任务上的 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
schema 服从度（不臆造字段）、幻觉压力（guidance 明确被暂缓给出），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
约束服从度（字数预算、禁用词表、唯一的那句问句）、文风指纹，以及长度控制。
30 秒用上 Qwen3.5 Flash
OpenAI 兼容: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。新账号可获得 10 次试用调用和最高 $1 的免费额度,无需绑卡。按输入 $0.1/M 计算,仅这笔额度就足够对 Qwen3.5 Flash 发起约 1,250 次 ~8K token 的请求。
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。完整能力请见「关于」部分,内容取自厂商官方发布说明。
Qwen3.5 Flash 的价格是多少?
在 Synthorai 上,Qwen3.5 Flash 输入 $0.1/百万 token、输出 $0.4/百万 token,即厂商牌价,无平台加价。缓存命中的输入 token 按 $0.029/M 计费。
Qwen3.5 Flash 支持提示词缓存(prompt caching)吗?
支持:自动缓存默认开启,另有显式模式可获得确定性折扣。缓存命中的输入 token 按 $0.029/M 计费(未命中 $0.1/M);提示词需有 1,024 token 以上的稳定前缀才能命中缓存(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。一把 API key 通用网关上的全部模型。
相关模型
对比
本页每个值都转录自厂商自己的文档(链接见上),并带有核对日期。价格在全目录范围内比较;各厂商定义不同的规格值,只说明差异而不作图表对比。此处没有任何由我们测量的数据,也不做评分。