Qwen3.5 Plus 是什麼：價格、取得方式與適用邊界

Qwen3.5 Plus 是阿里雲託管的 Qwen3.5-397B-A17B 生產路線。它適合試驗同時需要多模態輸入、工具呼叫和大工作集的任務，但關鍵不在 397B 這個數字。託管路線和開源權重有不同預設值、部署成本和證據邊界。

目前最重要的分界是計費與部署：阿里雲 Model Studio 表在 128K 和 256K 輸入處調整 Qwen3.5 Plus 價格，一手模型卡則列出權重原生 262,144 token、可擴展到 1,010,000。這表示「1M 上下文」是帶有價格曲線的容量，不代表每個客戶端都能低成本接受一百萬 token。先看 Qwen3.5 Plus 模型資源 (简体中文)，再固定實際呼叫的路線、地區與日期模型 ID。

關鍵結論

阿里巴巴於 2026 年 2 月 16 日發布 Qwen3.5，發布稿稱 Qwen3.5-397B-A17B 亦稱 Qwen3.5-Plus。
Hugging Face 模型卡列出總參數 397B、啟用 17B、原生多模態輸入、Apache-2.0、262K 原生上下文與約 1.01M 擴展上下文。
託管 Qwen3.5 Plus 對應該權重，但增加預設 1M 上下文、官方內建工具和自適應工具使用。
Model Studio 分段計費；Global 的 2026-02-15 路線在 128K 和 256K 上調，International 另有費率表。
證據仍有限：BenchLM 表示 435 個評測槽位只有 4 個顯示可用證據；社群回報從工具呼叫有效到本地執行緩慢或循環不等。
API、自行部署、Qwen 聊天/編碼方案、第三方提供商與 Tabbit Browser 是不同產品。

規格速覽

Qwen3.5 Plus 提示詞 (简体中文)與評測資源 (简体中文)保存模型專屬資料，但不能證明你的提供商、工作區或 Tabbit 選擇器提供所有路線。

項目	一手資料目前說法	邊界
模型關係	託管 Plus 對應 Qwen3.5-397B-A17B	託管預設值與本地部署不是同一產品。
發布錨點	2026-02-16	發布日期不等於帳戶權限。
模型規模	總 397B / 啟用 17B，稀疏 MoE 與視覺編碼器	參數量不能直接預測延遲或成本。
模態	模型卡為原生文字與圖片，並提供影片示例	提供商格式、採樣和多模態 harness 仍需核對。
上下文	權重原生 262,144，可擴展 1,010,000；託管 Plus 預設 1M	客戶端、地區與提供商可能縮小有效視窗。
託管功能	Plus 列出官方內建工具和自適應工具使用	工具 schema 與權限屬於呼叫路線。
開源許可	模型卡為 Apache-2.0	硬體、量化和服務軟體仍由部署者負責。

權重與託管路線

更準確的說法是「生產託管兄弟」，不是「另一個 397B 模型」。開源權重可下載並用 Transformers、vLLM 或 SGLang 提供服務；模型卡則說明託管 Plus 預設增加 1M 上下文、官方內建工具與自適應工具使用。可參考智能體推理指南設計驗收，但仍要固定服務路線。

Qwen3.5 是原生多模態模型，模型卡包含圖片與影片請求示例，發布材料則強調推理、編碼、Agent 和多模態理解。這支持用固定截圖、文件或短片試驗，但不表示每個提供商接受相同格式、解析度、影片採樣或工具組合。

評測與取得

BenchLM 的 2026 年 9 月頁面追蹤託管 API 的 DeepPlanning 證據，但 435 個槽位只有 4 個可顯示證據。Design for Online 建議控制性試點，AI Tool Briefing 則記錄 API 託管 397B 變體的結構化抽取試驗；它們都是有方法邊界的資料，不是通用排名。Qwen AgentWorld 也有自己任務、工具和驗證器下的分數。Qwen3.7 Max 總覽和Qwen3.8 Max 總覽是不同日期的路線，不能拼成家族總排名。

Model Studio 是一手託管入口。Global 表的 qwen3.5-plus-2026-02-15 與 qwen3.5-plus 等價，按每百萬 token 顯示：

Global 輸入範圍	輸入	思考輸出	非思考輸出
0–128K	CNY 0.8	CNY 4.8	CNY 4.8
128K–256K	CNY 2	CNY 12	CNY 12
256K–1M	CNY 4	CNY 24	CNY 24

International 表另列至 256K 為 CNY 2.936/17.614，超過 256K 為 3.67/22.018。預算前確認地區與幣種；不要把獨立網站換算的美元價格當成阿里雲統一價格。自行部署、Qwen Studio/Coding Plan、第三方提供商和 Tabbit 也各有獨立費用與權限。

場景自檢、社群與 Tabbit 邊界

場景	首次試驗	驗收條件
多模態文件抽取	固定圖片/短片與欄位 schema	欄位、引用和不確定性符合人工核對 fixture。
工具呼叫 Agent	單一窄工具、dry-run、臨時工作區	參數正確、呼叫有上限、未確認不產生外部副作用。
長上下文研究	跨過 128K/256K 邊界的來源包	結論可追溯並比較接受結果和總 token。
本地部署	固定量化權重與硬體	品質、記憶體、速度和失敗恢復達到門檻。
編碼流程	小型倉庫、乾淨分支和測試	測試通過、diff 不越界、遵守停止條件。

Reddit 有人表示本地圖片理解和工具呼叫有效、約 17 tok/s，也有人覺得「so-so, kind of ‘meh’」；另一位開發者因價格和免費入口比較 Qwen3.5 Plus、Step3.5 Flash 與 ChatGPT 5.4，目標是 Agent 編碼。還有本地使用者報告思考循環 30 分鐘後停止。贊助影片示範庫存 Agent、圖片支援和部署，但不是獨立可靠性證據。

若工作從網頁、標籤組、截圖或本地檔案開始，Tabbit Browser可以是獨立產品層。它不會提供 Model Studio 額度或改變 Qwen 價格。本文沒有用已登入帳戶實測，若即時選擇器出現模型，先用公開且可回復的小任務驗證。

Tabbit Browser

也可查看 AI 瀏覽器指南、瀏覽器自動化指南和智能體推理指南。產品層與模型路線應在測試記錄與帳單中分開。

未知風險與結論

別名可能漂移；託管 1M 不代表量化本地權重有相同上下文；128K/256K 價格階梯會提高長工作集成本；工具提供動作入口但不代表授權；獨立資料稀疏，不能證明跨任務生產可靠性。

Qwen3.5 Plus 值得用於多模態抽取、結構化工具和長上下文任務的控制性試點。保持 Model Studio、自託管、Qwen 方案、第三方提供商和 Tabbit 分開，先用可回復 fixture 驗證結果，再判斷是否值得成本與複核負擔。

來源與問題

主要來源是阿里巴巴 Qwen3.5 發布、模型卡和Model Studio 價格頁。獨立來源包括 BenchLM、Design for Online和 AI Tool Briefing。

Qwen3.5 Plus 和 Qwen3.5-397B-A17B 相同嗎？

是對應權重的託管路線，增加 1M 上下文、內建工具與自適應工具使用；自託管的上下文、硬體和工具行為不同。

它是開源模型嗎？

Qwen3.5-397B-A17B 發布 Apache-2.0 權重，但不代表 Model Studio、Qwen 方案或第三方端點免費或相同。

真的有 1M 上下文嗎？

模型卡列出原生 262,144，可擴展到 1,010,000；託管 Plus 預設為 1M。仍需確認地區和客戶端上限。

為什麼 128K 和 256K 會漲價？

Model Studio 按輸入長度分層計費，Global 2026-02-15 路線在三個區間使用不同費率，International 另有表。

它適合編碼 Agent 嗎？

可以做控制性試驗，但本地回報受量化、硬體、思考模式和工具模板影響。使用臨時分支、窄工具和測試。

可以在 Tabbit 使用嗎？

本文沒有驗證已登入 Tabbit 工作階段。請查看即時選擇器，不要把一次成功任務視為平台保證。

Secholar.L

Tabbit 成長與內容

Secholar.L 專注 AI 瀏覽器與 Agent 工作流的實測寫作,基於真實調研比較工具,引用可查證的一手來源。

常見問題