text·image·video
silvamux/
qwen3.5-flashQwen3.5 Flash是一款面向高频处理场景的语言模型,数学推理、幻觉控制和文本理解较为突出,适合批量问答、信息抽取与需要稳定响应的分析任务。
价格
以单次请求的输入上下文长度判定档位,Tune 与 Pro 采用相同的阶梯价格。
| 输入上下文 | 输入 | 输出 | 缓存读取 | 缓存写入 |
|---|---|---|---|---|
| ≤ 131.072K tokens | ¥0.2 | ¥2 | ¥0.02 | ¥0.25 |
| ≤ 262.144K tokens | ¥0.8 | ¥8 | ¥0.08 | ¥1 |
| > 262.144K tokens | ¥1.2 | ¥12 | ¥0.12 | ¥1.5 |
模型能力
Qwen3.5 Flash在本轮能力评测中综合得分76,整体表现良好。其数学与科学推理(93%)和幻觉控制(87%)表现突出,能够处理数学求解、科学分析和结构化推理任务,并在知识问答和专业分析中降低无依据内容的风险。对企业知识库团队、AI 应用开发者和研究人员而言,它适合用于资料检索、文档问答、信息抽取和检索增强生成场景,解决从大量资料中找到相关信息,并形成可用于后续决策的回答;文本理解(85%)也为相关任务提供补充。使用时应留意,创意写作(61%)相对较弱,在开放式创意和品牌内容任务中,建议由内容人员进一步编辑和筛选。
76/ 100
专项进阶能力
8 项智能体协同79%
7 题 · 主/客观混合
代码生成80%
10 题 · 客观
代码理解与调试72%
12 题 · 主观
创意写作61%
17 题 · 主观
信息检索 / RAG71%
13 题 · 主/客观混合
长文本处理75%
3 题 · 主观
数学与科学推理93%
14 题 · 客观
多语言能力75%
10 题 · 主/客观混合
通用基础能力
3 项通识知识72%
15 题 · 主/客观混合
文本理解85%
5 题 · 主观
逻辑推理67%
20 题 · 主/客观混合
安全与合规能力
2 项幻觉控制87%
9 题 · 主观
指令遵循77%
14 题 · 主观
服务表现
Qwen3.5 Flash
qwen3.5-flash- 延迟
- 7.57s
- 吞吐量
- 50.99Ktokens/min
- 可用率
- 99.7%
可用率
99.7%- 完成率
- 92%
- 缓存命中率
- 动态变化
- 累计评测耗时
- 4745.2s
- Token 消耗
- 4,032,805tokens
- 平均请求次数
- 12.3次
- TPM
- 50,992tokens/min
- QPM
- 3.7req/min
Qwen3.5 Flash 的示例代码和 API
Pro
qwen3.5-flash/api/v0/chat/completions/api/v1/chat/completions/api/anthropic/v1/messagescurl https://www.silvamux.com/api/v1/chat/completions \
-H "Authorization: Bearer 你的API密钥" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen3.5-flash",
"messages": [{"role": "user", "content": "你好,请介绍一下自己"}]
}'# pip install openai
from openai import OpenAI
client = OpenAI(
base_url="https://www.silvamux.com/api/v1",
api_key="你的API密钥",
)
response = client.chat.completions.create(
model="qwen3.5-flash",
messages=[
{"role": "user", "content": "你好,请介绍一下自己"}
],
)
print(response.choices[0].message.content)// Gradle: implementation(__HL_SLOT_0__)
import okhttp3.*;
OkHttpClient client = new OkHttpClient();
MediaType json = MediaType.get("application/json");
String payload = "{\"model\":\"qwen3.5-flash\",\"messages\":[{\"role\":\"user\",\"content\":\"你好,请介绍一下自己\"}]}";
Request request = new Request.Builder()
.url("https://www.silvamux.com/api/v1/chat/completions")
.header("Authorization", "Bearer 你的API密钥")
.post(RequestBody.create(payload, json))
.build();
try (Response response = client.newCall(request).execute()) {
System.out.println(response.body().string());
}// npm install openai
import OpenAI from 'openai'
const client = new OpenAI({
baseURL: 'https://www.silvamux.com/api/v1',
apiKey: '你的API密钥',
})
const response = await client.chat.completions.create({
model: 'qwen3.5-flash',
messages: [{ role: 'user', content: '你好,请介绍一下自己' }],
})
console.log(response.choices[0].message.content)