Qwen3.5 Modell-Übersicht

Qwen3.5 ist Alibabas neuestes Flaggschiff-Modell, das speziell für den Einsatz in agentischen KI-Systemen entwickelt wurde. Das Modell basiert auf einer hybriden Architektur aus "Gated Delta Networks" und sparse Mixture-of-Experts mit 397 Milliarden Gesamtparametern, von denen 17 Milliarden pro Token aktiviert werden. Qwen3.5 nativ multimodal und unterstützt 201 Sprachen. Das Modell ist der Nachfolger von Qwen3. In den ersten Benchmarks performed Qwen3.5 auf einem vergleichbaren Niveau von MiniMax-2.5 und GLM-5, unterbietet aber proprietäre Modelle wie Claude Opus 4.6 oder GPT-5.2.

Playground API Dokumentation Github Hugging Face Blog

Features

Tools

Websuche, Bildgenerierung, Computer Use und MCP-Server.

Multimodalität

Das Modell kann Text, Bilder, Audio und PDFs als Input verarbeiten.

Finetuning

Finetuning des Modells ist aktuell nicht möglich.

Details zum Modell

262,14k Token

65,54k Token

Unbekannt

397 Mrd.

$0.40

$2.40

248,32k

751,39 GB

Qwen3.5 Benchmark Scores

Im KI-Kontext bezeichnet Performance die Leistungsfähigkeit eines Modells in Bereichen wie Sprachverständnis, Logik oder Programmierung – gemessen anhand standardisierter Benchmarks zur objektiven Vergleichbarkeit.

Qwen3.5 Benchmark Übersicht

Überblick über die Leistungsfähigkeit des Modells in verschiedenen Benchmark-Tests.
Serie	Wissen & Sprache (min 0 / max 100)	Anleitung & Kreativität (min 0 / max 100)	Wissenschaft (min 0 / max 100)	Logik & Schlussfolgerung (min 0 / max 100)	Programmierung (min 0 / max 100)	Agentisch (min 0 / max 100)
Alibaba Qwen3.5	87.8	92.6	88.4	28.7	80	69.6

Überblick über die Leistungsfähigkeit des Modells in verschiedenen Benchmark-Tests.

Ergebnisse in Benchmarks

Benchmark auswählen

Darstellung der Rohdaten für den Benchmark Graduate-Level Google-Proof Q&A Benchmark. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Grok-4 Heavy	88,9 %
Qwen3.5-397B-A17B	88,4 %
Grok-4	87,5 %
Kimi K2 Thinking	84,5 %
Qwen3 235B A22B Thinking 2507	81,1 %

Vergleich von LLMs im Benchmark Graduate-Level Google-Proof Q&A Benchmark. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Instruction-Following Evaluation for Large Language Models. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Qwen3.5-397B-A17B	92,6 %

Vergleich von LLMs im Benchmark Instruction-Following Evaluation for Large Language Models. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark LiveCodeBench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
DeepSeek-v3.2 Speciale	88,7 %
Kimi K2.5 (Thinking)	85 %
GLM-4.7	84,9 %
Qwen3.5-397B-A17B	83,6 %
DeepSeek-v3.2 Thinking	83,3 %
Kimi K2 Thinking	83,1 %

Vergleich von LLMs im Benchmark LiveCodeBench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark MMLU-Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
MiniMax M2.1	88 %
Qwen3.5-397B-A17B	87,8 %
Kimi K2.5 (Thinking)	87,1 %
Grok-4	86,6 %
DeepSeek-R1-0528	85 %

Vergleich von LLMs im Benchmark MMLU-Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark SWE-bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Opus 4.5	80,9 %
Claude Opus 4.6	80,8 %
MiniMax M2.5	80,2 %
Claude Sonnet 4.5	77,2 %
Kimi K2.5 (Thinking)	76,8 %
Qwen3.5-397B-A17B	76,4 %
GPT-5.1	76,3 %
Gemini 3 Pro	76,2 %

Vergleich von LLMs im Benchmark SWE-bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Tau2-Bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Opus 4.6	95,6 %
Claude Opus 4.5	93,55 %
GPT-5.2	90,35 %
GLM-4.7	87,4 %
MiniMax M2.1	87 %
Qwen3.5-397B-A17B	86,7 %
Gemini 3 Pro	85,4 %
Claude Sonnet 4.5	84,7 %

Vergleich von LLMs im Benchmark Tau2-Bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Terminal-Bench 2. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5.3-Codex	77,3 %
Claude Opus 4.6	65,4 %
Claude Opus 4.5	59,3 %
GLM-5	56,2 %
Qwen3.5-397B-A17B	52,5 %
MiniMax M2.5	51,7 %
Kimi K2.5 (Thinking)	50,8 %

Vergleich von LLMs im Benchmark Terminal-Bench 2. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

‌
‌

Technologie & Daten

Technische Spezifikationen

Architektur	Mixture-of-Experts Transformer
Input Kontextlänge	262,14k
Output Kontextlänge	65,54k
Tokenizer	Erweiterter Qwen-Tokenizer

Besonderheiten

Native Multimodalität	Text, Bild und Video werden bereits im Pretraining trainiert.
Visuelle Agenten-Fähigkeiten	Desktop- und Mobile-Interfaces können von Agenten gelesen und bedient werden
Konfigurierbare Thinking-Modi	Thinking-Modus per enable_thinking-Parameter steuerbar

Vorteile & Nachteile

Vorteile

Open Source LLM
Qwen3.5 ist vollständig open-weight und kommerziell nutzbar (Apache-2.0 Lizenz).
Effiziente MoE-Architektur
397B Gesamtparameter, aber nur 17B aktiv pro Token, was das lokale Deployment von Qwen3.5 ermöglicht.
Native Multimodalität
Text, Bild und Video nativ bereits im Pretraining integriert.
Günstige API-Preise
Mit $0,40 / $2,40 pro 1 Mio. Input / Output Tokens liegt Qwen3.5 ungefähr auf dem günstigen Niveau von MiniMax-M2.5 und deutlich unter dem von GLM-5.
Optimiert für agentische Workflows
Qwen3.5 wurde für den Einsatz als KI-Agent optimiert. Das Modell kann visuelle UIs erkennen und bedienen und wurde für Function Calling und parallele Tool-Aufrufe in agentischen Workflows optimiert.

Nachteile

Benchmark Scores hinter den Erwartungen
In vielen Benchmark Scores bleibt Qwen3.5 hinter den Erwartungen und erreicht nicht die Ergebnisse anderer Open-Weights Modelle wie GLM-5 oder MiniMax M2.5.
Sehr hohe Hardware-Anforderungen
Bei vollständigen Gewichten hat Qwen3.5 ca. 807 GB Größe (in BF16). Um das Modell in der Größe lokal zu deployen werden mindestens 8×H100 GPUs benötigt. Alternativ können aber quantisierte Versionen mit niedrigeren Anforderungen verwendet werden..
Politischer Bias
Wie andere Modelle chinesischer Entwickler auch, weist Qwen3.5 bei politisch sensiblen Themen einen politischen Bias auf und gibt häufig ausweichende oder beeinflusste Antworten.

Vergleiche Qwen3.5 mit anderen LLMs

Vergleiche Qwen3.5 mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Parameteranzahl, Preisen und Benchmark-Leistung.

Entwickler	Modell⇅	Lizenz⇅	Parameter ⇅	Input-Tokens ⇅	Output-Tokens ⇅	Input-Preis ⇅	Output-Preis ⇅	GPQA
DeepSeek AI	DeepSeek-v3.2 Speciale	MIT	685 Mrd.	131,07k	64k	$0.28	$0.42	88,7 %
Moonshot AI	Kimi K2.5	MIT	1.000 Mrd.	256k	96k	$0.60	$3.00	85 %
Z.ai	GLM-4.7	MIT	400 Mrd.	200k	128k	$0.60	$2.20	84,9 %
Alibaba	Qwen3.5	Apache 2.0	397 Mrd.	262,14k	65,54k	$0.40	$2.40	83,6 %
DeepSeek AI	DeepSeek-v3.2	MIT	685 Mrd.	131,07k	64k	$0.28	$0.42	83,3 %
Moonshot AI	Kimi K2 Thinking	MIT	1.000 Mrd.	262,14k	262,14k	$0.60	$2.50	83,1 %
MiniMax	MiniMax-M2	MIT	230 Mrd.	204,8k	131,07k	$0.30	$1.20	83 %
Z.ai	GLM-4.6	MIT	355 Mrd.	200k	128k	$0.60	$2.00	82,8 %
MiniMax	MiniMax-M2.1	MIT	230 Mrd.	200k	128k	$0.30	$1.20	81 %
xAI	Grok-4 Heavy	Proprietär	Unbekannt	256k	256k	$3.00	$15.00	79,4 %

‌
Alle Modelle vergleichen

Provider & APIs

Du kannst Alibaba Qwen3.5 über die API folgender Anbieter nutzen.

Das Modell ist derzeit bei keinen Anbietern verfügbar.