Qwen3.5-9B

Qwen3.5-9B — компактная плотная модель с 9 миллиардами параметров, сохраняющая ключевые возможности флагманских версий серии. Построенная на 32 слоях, она использует ту же гибридную архитектуру, что и старшие модели: чередование блоков с Gated DeltaNet и Gated Attention (в сочетании 3:1) обеспечивая баланс между скоростью, точностью и экономией памяти на длинных контекстах.  Это позволяет ей эффективно обрабатывать нативно до 262k токенов, уверенно конкурируя с моделями в 2–3 раза большего размера. Модель поддерживает нативную мультимодальность с пониманием текста, изображений и видео, что делает её универсальным решением для разнообразных задач.

Результаты модели очень приличные для ее «весовой категории». В тестах на знание (MMLU-Pro – 82.5) она обходит многие более крупные модели, включая GPT-OSS-120B. В следовании инструкциям (IFEval – 91.5) она показывает результаты, близкие к топовым. Особо выделяются ее агентные способности: TAU2-Bench (79.1) и BFCL-V4 (66.1) — результаты, которые были достижимы лишь для моделей масштаба 70B+ всего год назад. Мультимодальные возможности также на уровне: MathVision (78.9), MMMU-Pro (70.1), OCRBench (89.2) и VlmsAreBlind (93.7) демонстрируют глубокое понимание визуальной информации.

Модель оптимальна для сценариев, где важны баланс между производительностью и ресурсами. Для запуска достаточно 8GB RAM в квантованном формате, что делает модель доступной для потребительского оборудования. Она идеально подходит для создания OCR-систем, анализа документов и изображений в реальном времени, а также для задач, где требуется быстрая обработка данных локально в контуре предприятия.

Дата анонса: 27.02.2026
Параметров: 10B
Контекст: 263K
Слоев: 32, с полным вниманием: 8
Тип внимания: Linear Attention
Разработчик: Qwen
Версия Transformers: 4.57.0.dev0
Версия vLLM: 0.17.0
Лицензия: Apache 2.0

Воспользуйтесь нашими готовыми публичными эндпоинтами бесплатно для теста инференса и знакомства с Qwen3.5-9B. Получить токен для доступа к API вы можете на странице управления токенами после регистрации и верификации.

Арендуйте собственный физически выделенный инстанс с почасовой оплатой или на длительный срок с помесячной оплатой.

Мы рекомендуем создание частных инстансов в случаях, если необходимо:

• получить максимальную производительность эндпоинта,
• получить полный контекст для обработки больших запросов и диалогов,
• обеспечить максимальную безопасность, для обработки данных в выделенном изолированном пространстве,
• использовать кастомизированные веса: fine-tuned версии или lora-адаптеры.

Свяжитесь с нашей специализированной группой поддержки по нейросетям nn@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.