GPT
הוספת כלי
Q

Qwen3.5-27B

קוד פתוח

Qwenapache-2.02026-02-24

  • transformers
  • safetensors
  • qwen3_5
  • image-text-to-text
  • conversational

יש כאן גם סקירה על Qwen עצמו.

מודל מולטימודלי בגודל 28 מיליארד פרמטרים שמנתח תמונות וטקסט בחלון עצום. שווה לבדוק אותו כשחייבים ראייה ממוחשבת חזקה לצד קוד וסוכנים על שרת יחיד.

  • 28Bפרמטרים
  • 262,144טוקנים בהקשר
  • 51.8 GBמשקל הקבצים
  • 2,296,792הורדות בחודש

מה זה

מדובר במודל שמשלב ראייה וטקסט מהיסוד ומגיע עם ארכיטקטורה היברידית שכוללת שכבות Gated DeltaNet לצד שכבות קשב רגילות. השילוב הזה נועד לספק מהירות עיבוד גבוהה יותר מהמקובל לגודל כזה, יחד עם תמיכה מובנית ב־262,144 טוקנים שאפשר להרחיב עד מעבר למיליון.

במבחני ביצועים הוא עוקף מודלים גדולים בהרבה ממנו. ב־SWE-bench Verified הוא הגיע ל־72.4 אחוז, שזה מעל GPT-OSS-120B וזהה כמעט למודל הענק שלהם בסדרה, ובמדדי סוכנים כמו VITA-Bench הוא הגיע ל־41.9 אחוז, תוצאה גבוהה משמעותית משאר הדגמים בטבלה. במדדי קוד תחרותי ומדעים הוא שומר על רמה של 80.7 ב־LiveCodeBench v6 ו־85.5 ב־GPQA Diamond, כך שלא מדובר רק בהבנת תמונה אלא במנוע עבודה רציני לפיתוח.

מתאים ל

  • סוכני אוטומציה ובדיקות

    משיג תוצאה של 41.9 ב־VITA-Bench ומבין ממשקים גרפיים ופקודות טרמינל טוב יותר מרוב המתחרים.

  • ניתוח מסמכים ארוכים

    חלון של 262 אלף טוקנים יחד עם יכולת קריאת תמונות מאפשר לעבד דוחות עתירי תרשימים וגרפים.

  • תיקון באגים במאגרי קוד

    תוצאה של 72.4 אחוז ב־SWE-bench Verified הופכת אותו לכלי חזק לפתרון בעיות אמיתיות בפיתוח.

איפה זה נופל

למרות ההצלחה בפתרון תקלות תוכנה, במשימות תכנות תחרותיות נטו הוא מפגין חולשה. ב־CodeForces הוא קיבל ציון של 1899, נמוך בבירור מכל שאר המודלים שנבדקו מולו בטבלה, כולל גרסאות MoE קטנות יותר. בנוסף, משימות תכנון מורכבות עדיין קשות לו מאוד, כפי שרואים בציון של 22.6 בלבד ב־DeepPlanning, כך שלא כדאי לסמוך עליו לתכנון פרויקטים ארוכי טווח בלי פיקוח אנושי הדוק.

אותה משפחה

Qwen3.5 יצא ב־20 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן, והשאר בעמוד המפרסם.

Qwen3.5-9B11,389,211 Qwen3.5-4B7,264,578 Qwen3.5-2B3,115,741 Qwen3.5-0.8B2,412,896 Qwen3.5-35B-A3B2,290,236 Qwen3.5-122B-A10B-FP81,612,865 Qwen3.5-35B-A3B-FP81,469,426 Qwen3.5-2B-Base892,422

שאלות
נפוצות

האם המודל מוגבל רק לעיבוד טקסט או שהוא קורא גם קבצים ויזואליים?

הוא מודל מולטימודלי מלא מסוג image-text-to-text. הוא כולל רכיב ראייה מובנה שמאפשר להזין תמונות יחד עם טקסט ישירות לחלון ההקשר.

כמה זיכרון GPU באמת צריך כדי לנצל את חלון ההקשר המלא?

המשקלים לבדם דורשים מעל 52 גיגה בייט זיכרון בלי קוונטיזציה. פתיחת חלון של 262 אלף טוקנים תדרוש נפח זיכרון עצום עבור ה־KV cache, מה שמחייב שרתי ריבוי כרטיסים בעלי זיכרון גבוה במיוחד או שימוש בכלים שמייעלים שמירת הקשר.

איך מריצים

המשקלים תופסים 51.8 גיגה בייט ב־24 קבצים. כדי להריץ אותו בלי קוונטיזציה תצטרכו לפחות שני כרטיסי 80GB, או כרטיס בודד של 48GB עם קוונטיזציה של 4 או 8 ביט דרך vLLM או SGLang. הכרטיס מציין תמיכה מפורשת גם ב־KTransformers ו־Transformers הרגיל.

אם אתם לא מחזיקים שרת ייעודי בענן עם חומרה ברמה הזו, אל תנסו לדחוף אותו למחשב מקומי. עדיף לפנות ישירות לשירות ענן שמציע אותו כ־API, במיוחד אם רוצים לנצל חלונות הקשר ארוכים שמקפיצים את צריכת הזיכרון באופן חד.

from transformers import pipeline

pipe = pipeline("image-text-to-text", model="Qwen/Qwen3.5-27B")
print(pipe("שלום"))

הקבצים

24 קבצים במאגר, 51.8 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון הוא Apache 2.0 מלא. מותר להשתמש בו לצרכים מסחריים, לשנות את הקוד והמשקלים, ולשלב אותו במוצרים פרטיים בלי לפתוח את הקוד שלכם, כל עוד שומרים על הודעת זכויות היוצרים המקורית והטקסט של הרישיון.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש
  • שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗