Qwen3.5-35B-A3B

Суть

Мультимодальная модель семейства Qwen3.5 для диалога и анализа входных данных. Она принимает текст, изображения и видео, а результат формирует в виде текста. В карточке разработчика модель описана как языковая модель с модулем обработки изображений и как единая vision-language система: визуальная информация учитывается вместе с текстом, а не обрабатывается отдельной несвязанной моделью.

Сильные стороны

Архитектура сочетает линейное внимание Gated Delta Networks и разреженную смесь экспертов (Mixture of Experts); в отдельных слоях также используется механизм внимания. Такой гибридный подход нацелен на эффективную обработку запросов. Модель предназначена для задач, где полезны рассуждение по тексту, понимание изображений и видео, работа с документами и программирование. Разработчик указывает поддержку множества языков и диалектов.

Контекст и модальности

Длина контекста — 262 144 токена. На вход подаются текст, изображения и видео, на выходе генерируется текст. Это позволяет задавать вопросы по визуальному содержимому и объединять его анализ с инструкциями или дополнительным текстом в одном запросе.

Типовые сценарии

Модель можно использовать для описания изображений, ответов на вопросы по иллюстрациям и кадрам видео, извлечения и объяснения информации из документов, а также для обычного диалога, анализа текста и помощи с кодом. Большой контекст полезен при передаче объёмных материалов или длинной истории переписки. Вызов внешних инструментов требует подходящей обвязки и поддержки со стороны используемого сервиса.

Ограничения

Ответы могут содержать ошибки, в том числе при чтении мелкого текста, интерпретации неоднозначных изображений и рассуждении по длинным материалам; важные выводы следует проверять. Видеовход доступен только там, где его поддерживает интерфейс или провайдер. Модель генерирует текст, поэтому сама по себе не возвращает отредактированные изображения или видео. Заявленный контекст не гарантирует одинаковую точность на всём его объёме.

Отличие от соседей по семейству

Это вариант Qwen3.5 с обработкой визуальных данных и гибридной архитектурой линейного внимания и разреженной смеси экспертов. В карточке разработчика он рассматривается наряду с Qwen3.5-27B и другими моделями серии, но конкретный выбор зависит от нужных модальностей и доступного способа запуска. Репозиторий предоставляет веса и конфигурацию для совместимых инструментов инференса, включая Transformers, vLLM и SGLang.