
Qwen3.5 9B est un modèle de raisonnement multimodal compact avec 256K contexte, entrée image et vidéo, outils fonctionnels et sortie structurée.
Qwen3.5 9B est un modèle de raisonnement multimodal compact avec 256K contexte, entrée image et vidéo, outils fonctionnels et sortie structurée.
Prend en charge par défaut l’entrée de texte, d’images et de vidéos, le streaming, les outils de fonctions, la sortie JSON structurée, le contrôle de la graine et le mode de réflexion activés par défaut. Utilisez reasoning_effort ou thinking_budget pour la pensée bornée, ou enable_thinking=faux pour les réponses directes. Les lectures automatiques du cache sont facturées au taux d’entrée en cache lorsqu’elles sont rapportées par le service modèle. Les contrôles de cache explicites ne sont pas pris en charge.
Aussi connu sous le nom Alibaba Cloud Qwen3.5 9B
qwen3-5-9b/v1/chat/completionsPOST/v1/responsesPOST/v1/messagesPOST/v1/completionsPOST/v1beta/models/qwen3-5-9b:generateContentqwen3.5-9bTarifs à l'usage en direct du catalogue EmpirioLabs. Vous pouvez aussi choisir un forfait avec des quotas hebdomadaires.
Qwen3.5 9B sert l'API Chat Completions compatible OpenAI. Pointez n'importe quel SDK OpenAI vers https://api.empiriolabs.ai/v1 avec votre clé API EmpirioLabs et utilisez l'id de modèle qwen3-5-9b. Obtenez une clé API depuis le tableau de bord EmpirioLabs.
curl https://api.empiriolabs.ai/v1/chat/completions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen3-5-9b",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'from openai import OpenAI
client = OpenAI(
base_url="https://api.empiriolabs.ai/v1",
api_key="YOUR_EMPIRIOLABS_API_KEY",
)
response = client.chat.completions.create(
model="qwen3-5-9b",
messages=[{"role": "user", "content": "Write a haiku about the ocean."}],
)
print(response.choices[0].message.content)Paramètres de requête pris en charge par l'API Qwen3.5 9B sur EmpirioLabs. Les valeurs par défaut s'appliquent quand un champ est omis.
| Paramètre | Type | Par défaut | Plage / valeurs | Description |
|---|---|---|---|---|
| temperature | number | 0.7 | 0 à 2 | Température d’échantillonnage. 0 est déterministe et 2 est l’aléatoire maximal. |
| top_p | number | 0.95 | 0.01 à 1 | Probabilité d’échantillonnage du noyau, masse. Des valeurs plus basses rendent les sorties plus ciblées. |
| max_tokens | integer | 8192 | 1 à 32768 | Jetons de sortie maximum. En cas d’omission: 8 192 à faible et moyen effort de raisonnement, 9 216 à haut, et 32 768 au maximum ou avec réflexion. |
| stop | string | - | - | Jusqu’à 4 chaînes où le modèle cesse de générer d’autres jetons. |
| enable_thinking | boolean | true | - | Activez le raisonnement avant de répondre. |
| reasoning_effort | enum | medium | none, low, medium, high, max | Niveau d’effort de raisonnement. Aucun ne décourage la pensée. budgets de pensée limités faible, moyen, élevé et maximal adaptés au modèle sélectionné. |
| thinking_budget | integer | 4096 | 1024 à 32768 | Un maximum de jetons réservés au raisonnement lorsque la pensée est activée. Lorsque max_tokens est plus faible, on garde de la place pour la réponse; un max_tokens... |
| top_k | integer | 20 | min 1 | Limitez l’échantillonnage aux K premiers jetons candidats lorsqu’ils sont pris en charge. |
| frequency_penalty | number | 0 | -2 à 2 | Pénalité basée sur la fréquence d’apparition d’un jeton. |
| presence_penalty | number | 0 | -2 à 2 | Pénalité pour les jetons déjà apparus dans le texte généré. |
| repetition_penalty | number | 1 | min 0.1 | Des valeurs plus élevées découragent la répétition des formulations. |
| seed | integer | - | 0 à 2147483647 | Seed aléatoire optionnelle pour un échantillonnage reproductible. |
| logprobs | boolean | false | - | Retournez les probabilités de log de jetons lorsqu’elles sont prises en charge. |
| top_logprobs | integer | - | 0 à 20 | Revenez à ce nombre de probabilités de logs de jetons supérieures. |
Prend en charge par défaut l’entrée de texte, d’images et de vidéos, le streaming, les outils de fonctions, la sortie JSON structurée, le contrôle de la graine et le mode de réflexion activés par défaut. Utilisez reasoning_effort ou thinking_budget pour la pensée bornée, ou enable_thinking=faux pour les réponses directes. Les lectures automatiques du cache sont facturées au taux d’entrée en cache lorsqu’elles sont rapportées par le service modèle. Les contrôles de cache explicites ne sont pas pris en charge.
Annonces, tests de prompts et comparaisons qui couvrent ce modèle.
Sur EmpirioLabs, Qwen3.5 9B est facturé à l'usage. Vous pouvez aussi choisir un forfait avec des quotas hebdomadaires. La grille tarifaire en direct de cette page correspond toujours à ce que l'API facture.
Qwen3.5 9B accepte en entrée Texte, Image, Vidéo et renvoie Texte.
Qwen3.5 9B prend en charge une fenêtre de contexte de 256K tokens avec jusqu'à 32 768 tokens de sortie par réponse.
Oui. Qwen3.5 9B sert l'API Chat Completions compatible OpenAI : les SDKs OpenAI existants fonctionnent en pointant base_url vers https://api.empiriolabs.ai/v1 et en utilisant l'id de modèle qwen3-5-9b.
Envoyez qwen3-5-9b comme modèle dans votre requête. Les identifiants alternatifs qwen3.5-9b fonctionnent aussi.
Alibaba Cloud a lancé Qwen3.5 9B le 23 févr. 2026.
Oui. Le playground EmpirioLabs exécute Qwen3.5 9B dans le navigateur avec les mêmes paramètres que l'API expose, pour tester vos prompts avant d'écrire du code.
Créez un compte EmpirioLabs, puis générez une clé sous API Keys dans le tableau de bord. La facturation utilise des crédits à l'usage : vous ne payez que vos requêtes. Vous pouvez aussi choisir un forfait avec des quotas hebdomadaires.
Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.