Thông số kỹ thuật (bảng tham chiếu nhanh)
| Mục | Qwen3.5-122B-A10B | Qwen3.5-27B | Qwen3.5-35B-A3B | Qwen3.5-Flash (hosted) |
|---|---|---|---|---|
| Quy mô tham số | ~122B (cỡ trung-lớn) | ~27B (dày đặc) | ~35B (MoE / A3B lai) | Tương ứng với trọng số 35B-A3B (được lưu trữ) |
| Ghi chú kiến trúc | Lai (gated delta + cơ chế chú ý MoE trong họ mô hình) | Transformer dày đặc | Biến thể thưa / Hỗn hợp chuyên gia (A3B) | Cùng kiến trúc với 35B-A3B, có tính năng sản xuất |
| Phương thức đầu vào/đầu ra | Văn bản, thị giác-ngôn ngữ (token đa phương thức hợp nhất sớm); I/O kiểu trò chuyện | Văn bản, hỗ trợ V+L | Văn bản + thị giác (hỗ trợ lệnh gọi công cụ dạng tác tử) | Văn bản + thị giác; tích hợp công cụ chính thức & đầu ra API |
| Ngữ cảnh tối đa mặc định (cục bộ/tiêu chuẩn) | Có thể cấu hình (lớn) — họ mô hình hỗ trợ ngữ cảnh rất dài | Có thể cấu hình | 262,144 token (ví dụ cấu hình cục bộ tiêu chuẩn) | 1,000,000 token (mặc định cho Flash được lưu trữ). |
| Triển khai / API | Tương thích với chat completions kiểu OpenAI; khuyến nghị vLLM / SGLang / Transformers | Tương tự | Tương tự (ví dụ lệnh CLI / vLLM trong model card) | API được lưu trữ (Alibaba Cloud Model Studio / Qwen Chat); bổ sung khả năng quan sát và mở rộng cho sản xuất. |
| Trường hợp sử dụng điển hình | Agent, suy luận, hỗ trợ mã hóa, tác vụ tài liệu dài, trợ lý đa phương thức | Suy luận nhẹ / đơn GPU, tác vụ tác tử với footprint nhỏ hơn | Triển khai agent trong sản xuất, tác vụ đa phương thức ngữ cảnh dài | SaaS agent cho sản xuất: ngữ cảnh dài, sử dụng công cụ, suy luận được quản lý |
Qwen-3.5 Flash là gì
Qwen-3.5 Flash là gói sản phẩm/được lưu trữ của họ Qwen3.5, ánh xạ tới trọng số mở 35B-A3B nhưng bổ sung khả năng sản xuất: ngữ cảnh mặc định mở rộng (quảng bá tới 1M token cho sản phẩm hosted), tích hợp công cụ chính thức và các endpoint suy luận được quản lý để đơn giản hóa quy trình tác tử và mở rộng quy mô. Tóm lại: Flash = biến thể 35B A3B được lưu trữ trên đám mây, sẵn sàng cho sản xuất, với kỹ thuật bổ sung cho ngữ cảnh dài, sử dụng công cụ và thông lượng.
Dòng Qwen-3.5 Flash Series là một phần của Qwen 3.5 “Medium model series”, bao gồm nhiều mô hình như:
- Qwen3.5-Flash
- Qwen3.5-35B-A3B
- Qwen3.5-122B-A10B
- Qwen3.5-27B
Trong danh mục này, Qwen3.5-Flash là phiên bản API cho sản xuất — về bản chất là phiên bản nhanh, có thể triển khai của mô hình 35B, được tối ưu cho nhà phát triển và doanh nghiệp. 👉 Flash về bản chất là “lớp runtime doanh nghiệp” xây dựng trên mô hình 35B-A3B.
Tính năng chính của Qwen-3.5 Flash
- Nền tảng thị giác-ngôn ngữ thống nhất — được huấn luyện với token đa phương thức hợp nhất sớm để văn bản và hình ảnh được xử lý trong một luồng mạch lạc (cải thiện suy luận và tác vụ tác tử trực quan).
- Kiến trúc lai/hiệu quả — mạng gated delta + mẫu Mixture-of-Experts (MoE) thưa ở một số kích cỡ (A3B biểu thị biến thể thưa), mang lại cân bằng năng lực cao trên mỗi đơn vị tính toán.
- Hỗ trợ ngữ cảnh dài — họ mô hình hỗ trợ ngữ cảnh cục bộ rất dài (ví dụ cấu hình cho thấy tới 262,144 token cục bộ) và sản phẩm Flash hosted mặc định 1,000,000 token cho quy trình sản xuất. Điều này được tinh chỉnh cho chuỗi tác tử, hỏi đáp tài liệu và tổng hợp đa tài liệu.
- Sử dụng công cụ theo kiểu tác tử — hỗ trợ gốc và bộ phân tích cho lệnh gọi công cụ, pipeline suy luận, và “thinking” hoặc lấy mẫu suy đoán, cho phép mô hình lập kế hoạch và gọi API/công cụ bên ngoài theo cấu trúc.
Hiệu năng benchmark của Qwen-3.5 Flash
| Benchmark / Danh mục | Qwen3.5-122B-A10B | Qwen3.5-27B | Qwen3.5-35B-A3B | (Flash tương ứng với 35B-A3B) |
|---|---|---|---|---|
| MMLU-Pro (kiến thức) | 86.7 | 86.1 | 85.3 (35B) | Flash ≈ hồ sơ đã công bố của 35B-A3B. |
| C-Eval (kỳ thi tiếng Trung) | 91.9 | 90.5 | 90.2 | |
| IFEval (tuân thủ hướng dẫn) | 93.4 | 95.0 | 91.9 | |
| AA-LCR (suy luận ngữ cảnh dài) | 66.9 | 66.1 | 58.5 | (cấu hình cục bộ cho thấy thiết lập ngữ cảnh dài tới 262k token; Flash công bố mặc định 1M). |
Tóm tắt: các biến thể cỡ trung và nhỏ hơn của Qwen3.5 (ví dụ 27B, 122B A10B) thu hẹp khoảng cách với các mô hình tiên phong trên nhiều benchmark về kiến thức và tuân thủ hướng dẫn, trong khi 35B-A3B (và Flash) hướng tới cân bằng cho sản xuất (thông lượng + ngữ cảnh dài) với điểm MMLU/C-Eval cạnh tranh so với các mô hình lớn hơn.
🆚 Vị trí của Qwen-3.5 Flash trong họ Qwen 3.5
Hãy hình dung chuỗi như sau:
| Mô hình | Vai trò |
|---|---|
| Qwen3.5-Flash | ⚡ API sản xuất nhanh |
| Qwen3.5-35B-A3B | 🧠 Mô hình lõi cân bằng |
| Qwen3.5-122B-A10B | 🏆 Khả năng suy luận cao hơn |
| Qwen3.5-27B | 💻 Mô hình cục bộ nhỏ hơn, hiệu quả |
👉 Flash = cùng cấp độ trí tuệ như 35B, nhưng được tối ưu cho triển khai.
Khi nào nên dùng Qwen-3.5 Flash
Hãy dùng nếu bạn cần:
- AI thời gian thực (chatbot, trợ lý)
- Agent AI với công cụ (tìm kiếm, API, tự động hóa)
- Phân tích tài liệu hoặc mã nguồn lớn
- API sản xuất ở quy mô lớn
Cách truy cập API Qwen-3.5 Flash
Bước 1: Đăng ký khóa API
Đăng nhập vào cometapi.com. Nếu bạn chưa là người dùng, vui lòng đăng ký trước. Đăng nhập vào Bảng điều khiển CometAPI. Lấy khóa truy cập API. Nhấp “Add Token” tại mục token API trong trung tâm cá nhân, nhận khóa token: sk-xxxxx và gửi.
Bước 2: Gửi yêu cầu tới API Qwen-3.5 Flash
Chọn endpoint “qwen3.5-flash” để gửi yêu cầu API và thiết lập phần thân yêu cầu. Phương thức và phần thân yêu cầu được lấy từ tài liệu API trên website của chúng tôi. Website cũng cung cấp bài kiểm thử Apifox để bạn tiện sử dụng. Thay thế <YOUR_API_KEY> bằng khóa CometAPI thực tế từ tài khoản của bạn. base url là Chat Completions
Chèn câu hỏi hoặc yêu cầu của bạn vào trường nội dung — đây là nội dung mà mô hình sẽ phản hồi. Xử lý phản hồi API để lấy câu trả lời được tạo.
Bước 3: Truy xuất và xác minh kết quả
Xử lý phản hồi API để lấy câu trả lời được tạo. Sau khi xử lý, API sẽ phản hồi trạng thái tác vụ và dữ liệu đầu ra.