Qwen3.5 4B 256K संदर्भ, छवि और वीडियो इनपुट, फ़ंक्शन टूल और संरचित आउटपुट के साथ एक कम लागत वाली बहुमॉडल तर्क मॉडल है।
Alibaba Cloudटेक्स्ट जनरेशन256K कॉन्टेक्स्टरिलीज Mar 2, 2026नेटिव इन्फरेंसनयाQwen3.5 4B 256K संदर्भ, छवि और वीडियो इनपुट, फ़ंक्शन टूल और संरचित आउटपुट के साथ एक कम लागत वाली बहुमॉडल तर्क मॉडल है।
पाठ, छवि और वीडियो इनपुट, स्ट्रीमिंग, फंक्शन टूल, संरचित JSON आउटपुट, बीज नियंत्रण और डिफ़ॉल्ट रूप से सोच मोड का समर्थन करता है। बाउंड सोच के लिए तर्क effort या Think budget का उपयोग करें, या प्रत्यक्ष उत्तरों के लिए सक्षम thinking=false करें। मॉडल सेवा द्वारा रिपोर्ट करते समय स्वचालित कैश रीडिंग को कैश-इनपुट दर पर बिल दिया जाता है। स्पष्ट कैश नियंत्रण समर्थित नहीं हैं।
इस नाम से भी जाना जाता है Alibaba Cloud Qwen3.5 4B, Qwen3.5-4B, qwen3-5-4b
qwen3-5-4bPOST /v1/chat/completionsPOST /v1/responsesPOST /v1/messagesPOST /v1/completionsLive pay-as-you-go rates from the EmpirioLabs catalog. You are billed only for what you use, with no monthly minimum.
Qwen3.5 4B serves the OpenAI-compatible Chat Completions API. Point any OpenAI SDK at https://api.empiriolabs.ai/v1 with your EmpirioLabs API key and use the model id qwen3-5-4b. Get an API key from the EmpirioLabs dashboard.
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."}
]
}'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="qwen3-5-4b",
messages=[{"role": "user", "content": "Write a haiku about the ocean."}],
)
print(response.choices[0].message.content)Request parameters supported by the Qwen3.5 4B API on EmpirioLabs. Defaults apply when a field is omitted.
| पैरामीटर | प्रकार | डिफॉल्ट | रेंज / मान | विवरण |
|---|---|---|---|---|
| temperature | number | 0.7 | 0 to 2 | Sampling temperature. 0 is deterministic and 2 is maximum randomness. |
| top_p | number | 0.95 | 0 to 1 | Nucleus sampling probability mass. Lower values make outputs more focused. |
| max_tokens | integer | 4096 | 1 to 32768 | Maximum output tokens. |
| stop | string | - | - | Up to 4 strings where the model will stop generating further tokens. |
| reasoning_effort | enum | medium | none, low, medium, high, max | Reasoning effort. none disables thinking; low, medium, high, and max set bounded thinking budgets. |
| enable_thinking | boolean | true | - | Enable the model reasoning channel before final output. |
| thinking_budget | integer | 4096 | 1024 to 32768 | Maximum thinking tokens before the final answer. If max_tokens is lower, the service reserves room for the answer. |
| top_k | integer | 20 | 1 to 200 | Limit sampling to the top K candidate tokens when supported. |
| min_p | number | 0 | 0 to 1 | Minimum probability threshold for token sampling. |
| presence_penalty | number | 0 | -2 to 2 | Penalty for tokens that already appeared in the generated text. |
| frequency_penalty | number | 0 | -2 to 2 | Penalty based on how often a token has already appeared. |
| repetition_penalty | number | 1 | 0.1 to 2 | Penalty used by SGLang to reduce repeated text. |
| seed | integer | - | 0 to 2147483647 | Optional random seed for reproducible sampling. |
| logprobs | boolean | false | - | Return token log probabilities when supported. |
पाठ, छवि और वीडियो इनपुट, स्ट्रीमिंग, फंक्शन टूल, संरचित JSON आउटपुट, बीज नियंत्रण और डिफ़ॉल्ट रूप से सोच मोड का समर्थन करता है। बाउंड सोच के लिए तर्क effort या Think budget का उपयोग करें, या प्रत्यक्ष उत्तरों के लिए सक्षम thinking=false करें। मॉडल सेवा द्वारा रिपोर्ट करते समय स्वचालित कैश रीडिंग को कैश-इनपुट दर पर बिल दिया जाता है। स्पष्ट कैश नियंत्रण समर्थित नहीं हैं।
On EmpirioLabs, Qwen3.5 4B is billed pay as you go: इनपुट $0.04 प्रति 1M शीघ्र टोकन; उत्पादन $0.07 प्रति 1M उत्पन्न टोकन; Implicit कैश पढ़ा $0.02 प्रति 1M कैश इनपुट टोकन. The live rate card on this page always matches what the API charges.
Qwen3.5 4B supports a 256K-token context window with up to 32,768 output tokens per response.
Yes. Qwen3.5 4B serves the OpenAI-compatible Chat Completions API, so existing OpenAI SDKs work by pointing base_url at https://api.empiriolabs.ai/v1 and setting the model id to qwen3-5-4b.
Yes. The EmpirioLabs playground runs Qwen3.5 4B in the browser with the same parameters the API exposes, so you can test prompts before writing code.
Create an EmpirioLabs account, then generate a key under API Keys in the dashboard. Billing is pay-as-you-go credits, so you only pay for the requests you make.
Check out our pricing or reach out if you want your own model deployed on our stack.
