

Qwen3.5 4B और Qwen3.5 27B साथ-साथ: विशेषताएं, क्षमताएं, पैरामीटर और EmpirioLabs कैटलॉग की लाइव कीमतें।
Qwen3.5 4B और Qwen3.5 27B दोनों Alibaba Cloud के मॉडल हैं, पाठ निर्माण श्रेणी में आते हैं और EmpirioLabs API के ज़रिए उपलब्ध हैं।
| स्पेक | Qwen3.5 4B | Qwen3.5 27B |
|---|---|---|
| मॉडल ID | qwen3-5-4b | qwen3-5-27b |
| निर्माता | Alibaba Cloud | Alibaba Cloud |
| रिलीज | 2 मार्च 2026 | 24 फ़र॰ 2026 |
| कॉन्टेक्स्ट विंडो | 256K टोकन | 258K टोकन |
| अधिकतम आउटपुट | 32,768 टोकन | 64,000 टोकन |
| इनपुट | टेक्स्ट इमेज वीडियो | टेक्स्ट इमेज वीडियो |
| आउटपुट | टेक्स्ट | टेक्स्ट |
| संरचित आउटपुट | JSON Schema | JSON मोड |
| रीजन | - | China |
| एंडपॉइंट | POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1/completions POST /v1beta/models/qwen3-5-4b:generateContent | POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1beta/models/qwen3-5-27b:generateContent |
| क्षमताएं |
दोनों मॉडलों के लिए EmpirioLabs कैटलॉग की लाइव दरें। हर दर तालिका हमेशा API की वास्तविक बिलिंग से मेल खाती है।
EmpirioLabs पर हर मॉडल के लिए सूचीबद्ध रिक्वेस्ट पैरामीटर, और जहां लागू हो वहां मान्य मान या सीमा। डैश उस पैरामीटर को दिखाता है जो मॉडल के लिए सूचीबद्ध नहीं है।
| पैरामीटर | Qwen3.5 4B | Qwen3.5 27B |
|---|---|---|
| temperature | 0 से 2 डिफॉल्ट: 0.7 | 0 से 1.99 डिफॉल्ट: 0.7 |
| top_p | 0.01 से 1 डिफॉल्ट: 0.95 | 0 से 1 डिफॉल्ट: 0.9 |
| max_tokens | 1 से 32768 डिफॉल्ट: 8192 | 1 से 64000 |
| stop | string | string |
| enable_thinking | boolean डिफॉल्ट: true | boolean डिफॉल्ट: true |
| reasoning_effort | none, low, medium, high, max डिफॉल्ट: medium | none, low, medium, high, max |
| thinking_budget | 1024 से 32768 डिफॉल्ट: 4096 | 1 से 81920 |
| top_k | न्यूनतम 1 डिफॉल्ट: 20 | 1 से 100 |
| min_p | 0 से 1 डिफॉल्ट: 0 | - |
| frequency_penalty | -2 से 2 डिफॉल्ट: 0 | - |
| presence_penalty | -2 से 2 डिफॉल्ट: 0 | -2 से 2 |
| repetition_penalty | न्यूनतम 0.1 डिफॉल्ट: 1 | 0.1 से 2 |
| seed | 0 से 2147483647 | 0 से 2147483647 |
| logprobs | boolean डिफॉल्ट: false | boolean डिफॉल्ट: false |
| top_logprobs | 0 से 20 | 0 से 5 डिफॉल्ट: 0 |
| logit_bias | object | - |
डिफ़ॉल्ट रूप से टेक्स्ट, छवि और वीडियो इनपुट, स्ट्रीमिंग, फ़ंक्शन टूल, संरचित JSON आउटपुट, बीज नियंत्रण और सोच मोड का समर्थन करता है। बाध्य सोच के लिए reasoning_effort या thinking_budget का उपयोग करें, या सीधे उत्तरों के लिए enable_thinking=false का उपयोग करें। स्वचालित कैश रीड को कैश्ड-इनपुट दर पर बिल किया जाता है जब मॉडल सेवा द्वारा रिपोर्ट किया जाता है। स्पष्ट कैश नियंत्रण समर्थित नहीं हैं।
टेक्स्ट, छवि और वीडियो इनपुट का समर्थन करता है। वेब खोज tool_web_search के माध्यम से उपलब्ध है और सक्षम होने पर प्रति अनुरोध $0.01 जोड़ती है। थिंकिंग टोकन को आउटपुट टोकन के रूप में बिल किया जाता है।
Qwen3.5 4B OpenAI-संगत Chat Completions API देता है। किसी भी OpenAI SDK को अपनी EmpirioLabs API key के साथ https://api.empiriolabs.ai/v1 पर सेट करें और model id qwen3-5-4b उपयोग करें। दोनों मॉडल एक ही एंडपॉइंट से कॉल किए जाते हैं। model को qwen3-5-4b या qwen3-5-27b पर सेट करें। EmpirioLabs डैशबोर्ड से API key प्राप्त करें।
curl https://api.empiriolabs.ai/v1/chat/completions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen3-5-4b",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'Qwen3.5 4B नई रिलीज़ है (2 मार्च 2026); Qwen3.5 27B 24 फ़र॰ 2026 को रिलीज़ हुआ था। Qwen3.5 4B की कॉन्टेक्स्ट विंडो बड़ी है: 256K टोकन, जबकि Qwen3.5 27B की 258K। हर जवाब में Qwen3.5 27B अधिकतम 64,000 आउटपुट टोकन लौटाता है, Qwen3.5 4B अधिकतम 32,768। इस पेज की विशेषताएं, दर तालिकाएं और पैरामीटर EmpirioLabs के लाइव कैटलॉग से आते हैं।
Qwen3.5 4B नई रिलीज़ है (2 मार्च 2026); Qwen3.5 27B 24 फ़र॰ 2026 को रिलीज़ हुआ था।
दोनों मॉडलों की कीमत अलग इकाइयों या स्तरों पर तय होती है, इसलिए इस पेज की लाइव दर तालिकाओं की तुलना करें। वे हमेशा API की वास्तविक बिलिंग से मेल खाती हैं।
हां। दोनों मॉडल एक ही EmpirioLabs API key के साथ POST /v1/chat/completions इस्तेमाल करते हैं, इसलिए ज़्यादातर इंटीग्रेशन सिर्फ model मान बदलकर स्विच हो जाते हैं। अगर आप किसी मॉडल-विशेष पैरामीटर पर निर्भर हैं तो पहले इस पेज की पैरामीटर तालिका देखें।
हां। हर मॉडल को EmpirioLabs playground में खोलें और API के पैरामीटरों के साथ दोनों पर एक ही prompt चलाएं।
हमारे मूल्य निर्धारण की जाँच करें या यदि आप चाहते हैं कि आपका अपना मॉडल हमारे स्टैक पर तैनात किया जाए, तो पहुंचें।