Modele Aliyun - CometAPI

Q

Qwen3.7-Max

Wejście:$1.36/M

Wyjście:$8.16/M

Główną mocną stroną Qwen3.7‑Max jest szeroki zakres i głębia jego możliwości agentowych. W programowaniu obsługuje wszystko — od prototypowania front‑endu po złożone, wieloplikowe projekty inżynieryjne. W obszarze pracy biurowej i produktywności umożliwia automatyzację przepływów pracy dzięki integracji z MCP oraz współpracy wieloagentowej. W autonomicznym wykonywaniu zadań w długim horyzoncie utrzymywał spójne rozumowanie przez 35‑godzinny, w pełni autonomiczny eksperyment optymalizacji jądra, obejmujący ponad 1,000 wywołań narzędzi — przekonująco demonstrując trwałe, stabilne działanie. Ponadto zapewnia konsekwentnie wysoką zdolność uogólniania między frameworkami, działając niezawodnie niezależnie od tego, czy jest wdrożony w Claude Code, OpenClaw, Qwen Code, czy innych frameworkach.

Q

Qwen3.6-Plus

Wejście:$0.32/M

Wyjście:$1.92/M

Qwen 3.6-Plus jest już dostępny i oferuje ulepszone możliwości tworzenia kodu oraz wyższą wydajność w zakresie multimodalnego rozpoznawania i wnioskowania, dzięki czemu doświadczenie Vibe Coding jest jeszcze lepsze.

Q

Qwen 3.5 Flash

Q

Qwen 3.5 Flash

Wejście:$0.16/M

Wyjście:$0.96/M

Qwen-3.5 Flash Series to rodzina dużych modeli językowych (LLM) przeznaczona do zastosowań produkcyjnych, opracowana przez Alibaba Group w ramach inicjatywy Qwen. Stanowi warstwę wdrożeniową (hosted/API) szerszej rodziny modeli Qwen-3.5, zoptymalizowaną pod kątem wysokiej szybkości, przetwarzania długich kontekstów oraz aplikacji opartych na agentach. W uproszczeniu: Qwen-3.5 Flash = szybkie, skalowalne, obsługujące długie konteksty i korzystające z narzędzi wersje modeli Qwen-3.5, zaprojektowane do produkcyjnego użycia w realnych warunkach.

Q

qwen3.5-plus

Wejście:$0.32/M

Wyjście:$1.92/M

Modele Plus z natywnej serii wizualno-językowej Qwen3.5 są oparte na architekturze hybrydowej, która integruje mechanizmy liniowej uwagi z rzadkimi modelami typu mixture-of-experts, osiągając wyższą wydajność inferencji.

Q

qwen3.5-397b-a17b

Wejście:$0.48/M

Wyjście:$2.88/M

Natywny model wizyjno-językowy 397B-A17B z serii Qwen3.5 został zbudowany na hybrydowej architekturze, która integruje mechanizm liniowej uwagi z rzadką mieszanką ekspertów, osiągając wyższą efektywność wnioskowania.

Q

qwen3 max

Wejście:$0.8/M

Wyjście:$3.2/M

- qwen3-max: najnowszy model Qwen3-Max zespołu Alibaba Tongyi Qianwen, pozycjonowany jako szczyt wydajności serii. - 🧠 Potężne możliwości multimodalne i wnioskowania: obsługuje ultradługi kontekst (do 128k tokenów) oraz wejście multimodalne, wyróżnia się w złożonym wnioskowaniu, generowaniu kodu, tłumaczeniu i tworzeniu treści kreatywnych. - ⚡️ Przełomowe usprawnienie: znacząca optymalizacja w wielu wskaźnikach technicznych, większa szybkość odpowiedzi, odcięcie wiedzy do 2025 r., odpowiedni do zastosowań AI o wysokiej precyzji na poziomie przedsiębiorstw.

Q

Qwen Image

Q

Qwen Image

Na żądanie:$0.028

Qwen-Image to rewolucyjny bazowy model generowania obrazów, wydany przez zespół Tongyi Qianwen firmy Alibaba w 2025 roku. Przy skali 20 miliardów parametrów jest oparty na architekturze MMDiT (Multimodal Diffusion Transformer). Model osiągnął znaczące przełomy w renderowaniu złożonego tekstu oraz precyzyjnej edycji obrazów, wykazując wyjątkową wydajność, zwłaszcza w renderowaniu chińskiego tekstu. Przetłumaczono za pomocą DeepL.com (wersja bezpłatna)

Q

qwen3-vl-32b

Q

qwen3-vl-32b

Wejście:$0.24/M

Wyjście:$0.96/M

Qwen3-VL-32B to gęsty wariant z 32 miliardami parametrów w rodzinie modeli językowo-wizualnych Qwen3 firmy Alibaba. Jest to multimodalny (wizja + język + wideo) transformer zaprojektowany do ujednoliconej percepcji, rozumowania w długim kontekście, niezawodnego OCR i wizualnego przyporządkowania oraz agentowych/zintegrowanych z narzędziami przepływów pracy.

Q

qwen3-vl-235b-a22b

Q

qwen3-vl-235b-a22b

Kontekst:2M

Wejście:$0.24/M

Wyjście:$0.96/M

qwen3-vl-235b-a22b to model multimodalny, który łączy silne generowanie tekstu z rozumieniem wizualnym obrazów i wideo. Jego wariant Instruct optymalizuje wykonywanie poleceń w ogólnych zadaniach multimodalnych. Wyróżnia się rozpoznawaniem kategorii rzeczywistych i syntetycznych, osadzeniem przestrzennym w 2D/3D oraz rozumieniem treści wizualnych w dłuższej formie, osiągając konkurencyjne wyniki w multimodalnych benchmarkach.

Q

qwen3-coder-plus-2025-07-22

Q

qwen3-coder-plus-2025-07-22

Wejście:$0.52/M

Wyjście:$2.6/M

Stabilna wersja Qwen3 Coder Plus, wydana 22 lipca 2025 r., zapewnia większą stabilność i nadaje się do wdrożeń produkcyjnych.

Q

qwen3-coder-plus

Q

qwen3-coder-plus

Wejście:$0.52/M

Wyjście:$2.6/M

Q

qwen3-coder-480b-a35b-instruct

Q

qwen3-coder-480b-a35b-instruct

Wejście:$0.24/M

Wyjście:$0.96/M

Q

qwen3-coder

Q

qwen3-coder

Wejście:$0.24/M

Wyjście:$0.96/M

Q

qwen3-8b

Q

qwen3-8b

Wejście:$0.04/M

Wyjście:$0.16/M

Q

qwen3-32b

Q

qwen3-32b

Wejście:$1.6/M

Wyjście:$6.4/M

Q

qwen3-30b-a3b

Q

qwen3-30b-a3b

Wejście:$0.12/M

Wyjście:$0.48/M

Ma 3 miliardy parametrów, równoważy wydajność i wymagania dotyczące zasobów, jest odpowiedni do zastosowań klasy enterprise. - Ten model może wykorzystywać MoE lub inne zoptymalizowane architektury, odpowiednie do scenariuszy wymagających wydajnego przetwarzania złożonych zadań, takich jak inteligentna obsługa klienta i generowanie treści.

Q

qwen3-235b-a22b

Q

qwen3-235b-a22b

Wejście:$0.336/M

Wyjście:$1.344/M

Qwen3-235B-A22B is the flagship model of the Qwen3 series, with 23.5 billion parameters, using a Mixture of Experts (MoE) architecture. - Particularly suitable for complex tasks requiring high-performance Inference, such as coding, mathematics, and Multimodal applications.

Q

qwen3-14b

Q

qwen3-14b

Wejście:$0.8/M

Wyjście:$3.2/M

Q

qwen-image-2

Q

qwen-image-2

Wkrótce

Wejście:$60/M

Wyjście:$240/M

qwen-image-2 wkrótce

Q

Qwen3.6-Max-Preview

Q

Qwen3.6-Max-Preview

Wkrótce

Wejście:$1.664/M

Wyjście:$9.984/M

Qwen3.6-Max-Preview Compared with Qwen3.6-Plus, this preview version brings stronger world knowledge and instruction compliance capabilities, as well as significantly improved agent programming performance on multiple benchmarks