Qwen: Qwen3.5-27B qwen/qwen3.5-27b

Модель Qwen: Qwen3.5-27B от Qwen (Alibaba) (семейство qwen) доступна через единый OpenAI-совместимый API НейроГейт — без VPN, с оплатой в рублях, единым ключом для всех 353+ моделей платформы.
Открытые модели Alibaba. Лучшие в open-source для китайского и кода.

👁 Зрение 🧠 Рассуждение 🎨 Генерация изображений 🎙 Аудио-вход 🔊 Синтез речи 🆓 Бесплатно

262K

контекст, токенов

19.5 ₽

за 1 млн входных токенов

156 ₽

за 1 млн выходных токенов

возможностей

Что такое Qwen: Qwen3.5-27B

Мультимодальные задачи с высокими требованиями к скорости инференса и длинным контекстом, где нужно совместно анализировать текст, изображения и видео.

Qwen3.5-27B — мультимодальная языковая модель от Alibaba (Qwen), ориентированная на работу с текстом, изображениями и видео в едином интерфейсе. Модель построена на архитектуре с линейным механизмом внимания, что обеспечивает высокую скорость инференса при сохранении качества ответов, характерного для моделей сопоставимого класса.

Контекстное окно в 262 144 токена позволяет обрабатывать объёмные документы, длинные диалоги и развёрнутые мультимодальные запросы без потери контекста. Встроенные возможности reasoning позволяют модели выстраивать внутренние цепочки рассуждений перед формированием ответа — это особенно полезно в задачах, требующих многошаговой логики или анализа сложных данных.

Модели семейства Qwen традиционно демонстрируют сильные результаты в задачах на понимание и генерацию кода, работу с таблицами и структурированными данными, а также в мультиязычных сценариях. Qwen3.5-27B сочетает нативную поддержку визуального ввода с компактным для своего класса размером, что делает её привлекательной для продакшн-деплоя с требованиями к скорости.

Когда брать эту модель

✓ Анализ изображений и видео в связке с текстовым контекстом
✓ Задачи, требующие многошагового рассуждения: отладка, аудит кода, логические цепочки
✓ Обработка длинных документов и корпусов текста (до 262K токенов)
✓ Мультиязычные приложения и локализация контента
✓ RAG-пайплайны с визуальными и текстовыми источниками данных

Пример работы

Реальный сценарий, на котором модель проявляет себя:

Проанализируй прикреплённую схему архитектуры микросервисов и выяви потенциальные узкие места по производительности, предложив конкретные улучшения.

Использование Qwen: Qwen3.5-27B через НейроГейт

OpenAI-совместимый эндпоинт https://api.neuralgate.ru/v1 — замени base_url в любом SDK и используй модель по её id.

# Chat completion
curl https://api.neuralgate.ru/v1/chat/completions \
  -H "Authorization: Bearer $NEURALGATE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen/qwen3.5-27b",
    "messages": [{"role":"user","content":"Привет!"}]
  }'

from openai import OpenAI

client = OpenAI(
    api_key="sk-...your-neuralgate-key...",
    base_url="https://api.neuralgate.ru/v1",
)
response = client.chat.completions.create(
    model="qwen/qwen3.5-27b",
    messages=[{"role": "user", "content": "Привет!"}],
)
print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.NEURALGATE_API_KEY,
  baseURL: "https://api.neuralgate.ru/v1",
});
const resp = await client.chat.completions.create({
  model: "qwen/qwen3.5-27b",
  messages: [{ role: "user", content: "Привет!" }],
});
console.log(resp.choices[0].message.content);