
Qwen adalah keluarga model bahasa besar dari Alibaba Cloud, dan Qwen API membuka seluruh jajaran modelnya bagi developer. Akses Qwen3.7 Max unggulan untuk penalaran dan coding tingkat lanjut, model mixture-of-experts yang efisien dalam berbagai skala, serta Qwen3.5 Flash untuk respons instan bervolume tinggi. Di Atlas Cloud, setiap model berjalan melalui satu endpoint dengan harga bayar sesuai pemakaian yang transparan dan akses Day-0 ke rilis baru. Mulai membangun hari ini.
Atlas Cloud menyediakan model kreatif terdepan dan terbaru di industri untuk Anda.
Lihat bagaimana setiap endpoint Qwen API mengubah prompt teks menjadi teks yang dihasilkan, mulai dari asisten ringan yang cepat hingga model penalaran flagship, sehingga Anda dapat mencocokkan model yang tepat dengan beban kerja Anda.
| Modalitas | Deskripsi |
|---|---|
| Qwen3.6 35B A3B (Teks ke Teks) | Model penalaran terbaru dalam lini ini, endpoint mixture-of-experts 35B ini mengaktifkan sekitar 3B parameter per token sehingga penalaran mendalam tetap terjangkau. Kirimkan tugas matematika multi-langkah, logika, dan analisis ketika kualitas chain-of-thought lebih penting daripada kecepatan mentah. |
| Qwen3.6 Plus (Teks ke Teks) | Serbaguna untuk alur kerja chat dan produktivitas, Qwen3.6 Plus memadukan kualitas percakapan yang kuat dengan prompt caching dan harga bertingkat yang melampaui 256K token. Gunakan model ini ketika asisten harus tetap koheren di dokumen panjang atau sesi multi-giliran yang lama. |
| Qwen3.5 122B A10B (Teks ke Teks) | Dengan sekitar 10B parameter aktif per token, model mixture-of-experts 122B ini menukar sedikit skala demi inferensi yang lebih cepat dan murah. Cocok untuk pembuatan teks umum, peringkasan, dan penalaran ketika Anda menginginkan kualitas model besar dengan biaya kelas menengah. |
| Qwen3.5 35B A3B (Teks ke Teks) | Ketika throughput dan anggaran sama-sama penting, endpoint MoE 35B ini hanya menjaga sekitar 3B parameter aktif per token. Gunakan untuk chat bervolume tinggi, penyusunan draf, dan klasifikasi yang akan boros jika dijalankan pada model flagship. |
| Qwen3.5 27B (Teks ke Teks) | Sebagai model dense 27B, Qwen3.5 27B memberikan latensi yang dapat diprediksi dan kualitas yang konsisten tanpa routing mixture-of-experts. Model ini cocok untuk tugas pembuatan teks dan mengikuti instruksi yang sederhana, yang diuntungkan oleh backbone yang ringkas dan andal. |
| Qwen3.5 397B A17B (Teks ke Teks) | Model terbesar di tier 3.5, endpoint mixture-of-experts 397B ini mengaktifkan sekitar 17B parameter per token dan menambahkan prompt caching untuk memangkas biaya konteks berulang. Gunakan untuk pekerjaan penalaran dan pembuatan teks yang menuntut kapasitas terdalam dalam keluarga ini. |
| Qwen3.7 Max (Teks ke Teks) | Sebagai flagship, Qwen3.7 Max menargetkan penalaran tingkat lanjut, coding, dan tugas multi-langkah yang kompleks, dengan prompt caching untuk mengurangi biaya pada konteks berulang. Pilih model ini untuk pipeline agentic, masalah coding yang sulit, dan beban kerja ketika akurasi lebih penting daripada harga. |
| Qwen3.5 Plus (Teks ke Teks) | Dirancang efisien sejak awal, Qwen3.5 Plus mendukung tugas sehari-hari dan asisten AI sekaligus mendukung prompt caching serta input yang melampaui 256K token. Ini adalah pilihan default yang dapat diandalkan untuk asisten produksi yang membutuhkan kualitas stabil dengan biaya yang terkendali. |
| Qwen3.7 Plus (Teks ke Teks) | Butuh kapabilitas, kecepatan, dan efisiensi dalam satu model? Qwen3.7 Plus menyeimbangkan ketiganya, menambahkan prompt caching, dan menerapkan harga bertingkat untuk prompt di atas 256K token. Terapkan untuk asisten berskala besar dan alur kerja padat dokumen yang tetap menuntut respons cepat. |
| Qwen3.5 Flash (Teks ke Teks) | Dioptimalkan untuk respons instan dan penggunaan skala besar, Qwen3.5 Flash adalah opsi tercepat dan paling ekonomis dalam keluarga ini. Gunakan untuk chat berlalu lintas tinggi, autocomplete, dan fitur real-time ketika latensi rendah menjadi prioritas. |
| Qwen3 VL 235B A22B Thinking (Teks ke Teks) | Endpoint yang disetel untuk penalaran ini menjalankan arsitektur mixture-of-experts 235B dengan sekitar 22B parameter aktif dan mode berpikir khusus. Gunakan untuk pemecahan masalah terstruktur dan analisis yang diuntungkan oleh penalaran eksplisit langkah demi langkah. |
| Qwen3-235B-A22B-Instruct-2507 (Teks ke Teks) | Dengan total 235B parameter dan sekitar 22B aktif per token, model MoE yang disetel untuk instruksi dalam seri Qwen3 ini menangani pembuatan teks dan penalaran secara luas. Rilis 2507 menjadikannya pilihan solid untuk asisten serbaguna dan pipeline konten di Qwen API. |
Qwen API menyatukan pemikiran mode ganda, native function calling, konteks melampaui 256K tokens, cakupan 119 languages, dan prompt caching di balik satu key yang kompatibel dengan OpenAI, mencakup Qwen3.5 Flash hingga Qwen3.7 Max.

Function calling memungkinkan model Qwen menghasilkan pemanggilan tool terstruktur yang langsung terhubung ke API, database, dan MCP servers milik Anda. Model menentukan kapan harus memanggil fungsi, memformat argumen, lalu menggabungkan hasilnya kembali ke dalam jawabannya. Dikombinasikan dengan endpoint yang kompatibel dengan OpenAI, ini mengubah kode SDK yang sudah ada menjadi autonomous agents, retrieval pipelines, dan workflow automations.

Alihkan satu model antara mode berpikir yang cermat untuk matematika, logika, dan coding, serta mode non-thinking yang cepat untuk dialog sehari-hari. Model reasoning seperti Qwen3.6 35B A3B dan flagship Qwen3.7 Max mengekspos kedalaman ini melalui satu endpoint. Saat sebuah tugas membutuhkan deduksi langkah demi langkah, Anda mengaktifkan thinking; saat latency menjadi prioritas, Anda mematikannya, tanpa perlu mengganti model atau key.

Dilatih di 119 languages dan dialek, Qwen menangani kepatuhan terhadap instruksi multibahasa dan terjemahan dengan kefasihan yang sama dalam Chinese dan English. Satu prompt dapat berpindah antarbahasa tanpa layanan terjemahan terpisah. Tim yang merilis produk untuk audiens global mengandalkannya untuk chat terlokalisasi, pencarian lintas bahasa, dan copy yang terasa alami di setiap target market.

Dari Qwen3.5 Flash yang ber-latency rendah hingga flagship Qwen3.7 Max, seluruh keluarga ini dapat digunakan dengan satu key yang kompatibel dengan OpenAI. Desain mixture-of-experts yang efisien seperti 397B A17B dan 235B A22B hanya mengaktifkan sebagian kecil parameternya per token, dan setiap tier berbagi format request yang sama. Arahkan panggilan sederhana ke Flash dan penalaran sulit ke Max tanpa menulis ulang satu baris pun kode integrasi.

Konteks yang berulang ditagih dengan tarif cached yang jauh di bawah harga input standar, sehingga system prompts dan dokumen bersama menjadi lebih murah pada setiap panggilan lanjutan. Pricing tetap pay-as-you-go dan transparan, dengan tarif per-token yang dipublikasikan dan tanpa subscription. Asisten bervolume tinggi, RAG stacks, dan percakapan panjang mendapat manfaat paling besar, karena prefix yang sama dikirim berulang kali.
Berikan satu brief yang identik ke Qwen API dan mesin pesaing, lalu lihat bagaimana setiap model mengubah instruksi yang persis sama menjadi halaman web satu file yang berfungsi, bisa langsung Anda buka dan klik.
Buat halaman HTML lengkap, satu file, mandiri (semua CSS dan JavaScript inline dalam satu file .html) yang merender "Late-Night French Patisserie Window" interaktif — etalase butik dessert yang masih berpendar cahaya hangat setelah jam tutup. Batasan mutlak: TIDAK ADA resource eksternal dalam bentuk apa pun — tanpa CDN, tanpa stylesheet atau script tertaut, tanpa web font, tanpa tag `<img>`, tanpa file SVG, tanpa foto base64, tanpa emoji sebagai seni. Setiap visual harus dibangun murni dari elemen HTML yang diberi style dengan CSS: layered linear/radial/conic gradients, stacked dan inset box-shadows, border-radius, blur/backdrop-filter, transforms, serta bentuk yang digambar dengan canvas atau DOM saja. Ini adalah uji rendering material dan cahaya faux-realistic hanya dengan vector CSS. Adegan: tampilan dari depan, sejajar mata, menghadap ke jendela kaca patisserie; rak-rak disusun dalam komposisi rule-of-thirds yang tenang. Di atas rak ada deretan setidaknya empat dessert yang berbeda dan dibuat dengan sangat teliti, masing-masing dibangun sepenuhnya dari gradients dan shadows: (1) kubah mousse cokelat-kakao mengilap dengan mirror-glaze finish yang menampilkan specular highlight lembut dan cahaya terpantul; (2) mille-feuille dengan banyak lapisan puff-pastry yang renyah dan terlihat terpisah jelas; (3) menara macaron bertingkat dengan cangkang agak matte berlapis sugar-frosted; (4) lemon tart di atas piring turntable yang berputar perlahan. Modelkan kedalaman yang meyakinkan: spotlight keemasan hangat dari atas (lampu display jendela) yang kontras dengan ambient malam biru dingin, lengkap dengan cast shadows, rim light pada tepi, dan pantulan glossy yang lembut. Lapisan kaca subtil mengambang di depan semuanya — pantulan samar, streaks, dan sebaran tetes kondensasi — serta ada pantulan lembut setiap dessert pada permukaan rak di bawahnya. Interaksi (semuanya dengan transisi CSS/JS yang halus dan terasa spring-like): - HOVER sebuah dessert: dessert terangkat perlahan, spotlight dan bayangannya menguat, lalu animasi "cutaway" penampang memperlihatkan struktur internalnya — lapisan cream, ganache, curd, dan dasar biscuit/pastry yang digambar sebagai stacked gradient bands dengan label. - CLICK sebuah dessert untuk masuk ke mode "Customize": panel elegan muncul dengan sliders dan toggles yang memungkinkan pengguna menambahkan serta menyesuaikan elemen dekoratif secara real time — sprinkled sugar pearls (density slider), drizzled pulled caramel (amount + strand thickness), dan mirror-glaze/glossy pectin coat (glossiness slider), plus accent-berry-red drizzle. Dessert harus di-repaint live saat nilai berubah, dengan highlight/gloss yang merespons nilai glossiness. Sediakan kontrol "Reset" dan "Exit". Simpan kustomisasi setiap dessert saat beralih di antara dessert. - Sentuhan ambient opsional: flicker animasi samar pada lampu hangat, kondensasi yang melayang, dan turntable lemon tart yang berputar loop. Gaya visual: refined, cozy, menggoda dengan suasana larut malam; palet caramel brown, cream white, dan berry red, diberi aksen mint green, di atas latar malam deep cool-blue. Tipografi harus terasa seperti patisserie chic — gunakan headings dan nama dessert dalam stack serif CSS-only yang elegan dengan letter-spacing lega; jaga layout tetap rapi, tertata, dan responsif agar terlihat bagus dari mobile hingga widescreen. Prioritaskan micro-animations yang tasteful, kedalaman berlapis, dan realisme material dibandingkan keramaian. Sertakan semua yang diperlukan agar file bisa langsung dibuka di browser dan segera diinteraksikan. Output hanya dokumen HTML lengkap, tanpa apa pun lagi.
Generated with Qwen3.7 Max on Atlas Cloud
Generated with Grok 4.5 on Atlas Cloud
Generated with Qwen3.5 397BA17B on Atlas Cloud
Buat satu file HTML mandiri (semua CSS dan JavaScript inline, sama sekali tanpa external libraries, CDN, images, fonts, atau network requests) yang merender game whitewater kayaking real-time dan playable bernama "Rapid Run" sepenuhnya di satu elemen HTML5 Canvas yang memenuhi jendela browser dan tetap responsif saat resize. Tampilan berupa kamera third-person top-down dengan sedikit perspektif maju, menghadap ke aliran sungai pegunungan alpine yang dibuat secara prosedural, terus bergulir dari atas ke bawah dan tidak pernah berulang: seed level dengan generator noise/pseudo-random sehingga setiap run membentuk braided channel berbeda dengan narrowing chutes, boulders di tengah arus, whirlpools berputar, small waterfall drops, dan rangkaian white-foam wave trains yang bergolak. Pemain mengendalikan satu kayak crimson-and-amber yang bertahan di sekitar sepertiga bawah layar sementara sungai deras melintas; kemudikan dengan tombol Left/Right arrow (atau A/D) untuk edging dan carving, dan biarkan mouse berperan sebagai paddle — kayak miring dan menarik ke arah posisi horizontal mouse, dengan click atau tombol ditahan untuk menanam hard paddle stroke yang menyentakkan perahu ke line yang lebih ketat. Simulasikan air sebagai live flow field yang digerakkan oleh layered scrolling noise: arus mendorong kayak ke hilir dan menyamping, lebih cepat di tongues dan lebih lambat di eddies, sehingga pemain harus membaca air dan berjuang mendapatkan racing line. Pancarkan particle system yang kaya dan GPU-friendly — semburan spray berbentuk kipas dari bow saat menghantam wave, wake turbulence trailing yang bergolak dari stern, foam sheets yang meledak saat impact, dan rings yang beriak keluar dari whirlpools. Menabrak rock membuat perahu spin out dengan wobble yang menyentak, hilang kendali sesaat, dan camera shudder. Render dalam gaya crisp flat-illustration yang dipadukan dengan realisme fluid ringan: permukaan air menampilkan ripples animasi dan refractive highlight glints dari flow field, noon high-plateau top light, cool white speculars pada spray, serta deep pools bergradasi dari turquoise green ke inky teal. Palet warna didominasi glacier cyan-blue, dengan vermilion-orange-yellow pada kayak sebagai aksen punchy, tepian sungai dihiasi grey stone dan pine green. Sertakan HUD di layar: distance traveled, current speed, meter stability/health yang berkurang saat terkena rock, dan live score; tampilkan start screen dengan kontrol singkat, game-over screen saat stability habis dengan opsi Restart, dan tingkatkan difficulty secara bertahap (arus lebih cepat, hazards lebih padat) semakin jauh Anda turun. Targetkan game loop 60fps yang mulus menggunakan requestAnimationFrame dengan delta-time physics, semuanya dituning agar terasa benar-benar tegang dan memuaskan, sehingga menaklukkan clean line melalui foaming chute terasa layak diperjuangkan.
Generated with Qwen3.7 Max on Atlas Cloud
Generated with Grok 4.5 on Atlas Cloud
Generated with Qwen3.7 Max on Atlas Cloud
Lihat bagaimana Qwen API dibandingkan dengan model teks unggulan lainnya di Atlas Cloud dalam hal panjang konteks, batas output, jenis input yang didukung, dan harga per panggilan yang transparan.
| Model | Jendela Konteks | Token Output Maks | Jenis Input | Harga Input ($/1M) | Harga Output ($/1M) |
|---|---|---|---|---|---|
| Qwen3.7 Max | 1M | 67,072 | Teks | $2.50 | $7.50 |
| Qwen3.7 Plus | 1M | 67,072 | Teks | $0.40 (≤256K) / $1.20 (>256K) | $1.60 / $4.80 |
| Qwen3.6 35B A3B | 256K | 65,536 | Teks, Gambar, Video | $0.248 | $1.485 |
| Qwen3.5 Flash | 1M | 67,072 | Teks | $0.10 | $0.40 |
| DeepSeek V4 Pro | 1M | 393,216 | Teks | $1.74 | $3.45 |
| Grok 4.5 | 500K | 500,000 | Teks | $2.00 | $6.00 |
| GLM 5.2 | 1M | 131,072 | Teks | $1.40 | $4.40 |
Mulai dalam hitungan menit — ikuti langkah-langkah sederhana berikut untuk mengintegrasikan dan men-deploy model melalui platform Atlas Cloud.
Daftar di atlascloud.ai dan selesaikan verifikasi. Pengguna baru mendapatkan kredit gratis untuk menjelajahi platform dan menguji model.
Gabungkan model Qwen canggih dengan platform akselerasi GPU Atlas Cloud untuk performa, skalabilitas, dan pengalaman pengembangan yang tak tertandingi.
Latensi Rendah:
Inferensi yang dioptimalkan GPU untuk respons real-time.
API Terpadu:
Satu integrasi untuk Qwen, GPT, Gemini, dan DeepSeek.
Harga Transparan:
Billing per token, mendukung mode Serverless.
Pengalaman Developer:
SDK, analitik data, alat fine-tuning, dan template tersedia lengkap.
Keandalan:
Ketersediaan 99.99%, kontrol izin RBAC, logging kepatuhan.
Keamanan & Kepatuhan:
Sertifikasi SOC 2 Type II, kepatuhan HIPAA, kedaulatan data AS.
Qwen API memberi developer akses terprogram ke keluarga large language model Qwen dari Alibaba Cloud untuk pembuatan teks, reasoning, coding, dan tugas multibahasa. Di Atlas Cloud, Anda dapat mengakses seluruh lini model melalui satu endpoint yang kompatibel dengan OpenAI, sehingga satu key mencakup semua model Qwen.
Atlas Cloud menyediakan lini model yang luas, mulai dari Qwen3.5 Flash yang cepat dan ekonomis hingga tier Plus yang serbaguna serta model unggulan Qwen3.7 Max yang dibuat untuk reasoning dan coding tingkat lanjut. Model yang berfokus pada reasoning seperti Qwen3.6 35B A3B dan varian mixture-of-experts besar seperti Qwen3.5 397B A17B juga tersedia untuk workload yang lebih berat.
Untuk mulai, Anda hanya perlu beberapa langkah: buat akun Atlas Cloud, buat API key, lalu arahkan client yang kompatibel dengan OpenAI yang sudah Anda gunakan ke endpoint Atlas. Harganya pay-as-you-go dengan tarif per panggilan yang transparan, dan akses Day-0 berarti rilis Qwen baru siap digunakan begitu diluncurkan. Mulai bangun aplikasi hari ini.
Ya. Qwen API di Atlas Cloud mengikuti format chat completions OpenAI, sehingga sebagian besar SDK dapat digunakan cukup dengan mengganti base URL dan key. Anda tetap bisa memakai tooling yang ada dan memanggil model Qwen apa pun tanpa menulis ulang integrasi.
Model Qwen di Atlas Cloud menggunakan harga pay-as-you-go yang transparan dan ditagihkan per token, tanpa perlu berlangganan. Tarif mulai dari $0.1 per juta token input dan $0.4 per juta token output untuk Qwen3.5 Flash, hingga $2.5 dan $7.5 per juta token untuk model unggulan Qwen3.7 Max, sehingga Anda dapat menyesuaikan pengeluaran dengan setiap workload.
Model unggulan seperti Qwen3.7 Max menawarkan context window hingga satu juta token, cocok untuk dokumen panjang, codebase besar, dan riwayat percakapan yang panjang. Keluarga model ini juga mencakup varian teks dan vision-language seperti Qwen3-VL, sehingga Anda memiliki opsi saat tugas melibatkan lebih dari sekadar prompt teks.
Selain chat biasa, model Qwen mendukung respons streaming, function calling, dan penggunaan tool terstruktur melalui parameter API standar. Model reasoning khusus seperti Qwen3.7 Max dan Qwen3.6 35B A3B menambahkan pemecahan masalah langkah demi langkah untuk matematika, coding, dan tugas agentic yang kompleks.
Pemilihan bergantung pada keseimbangan yang Anda butuhkan antara kecepatan, biaya, dan kapabilitas. Gunakan Qwen3.5 Flash saat latensi dan volume tinggi menjadi prioritas, tier Plus untuk asisten sehari-hari dan alur kerja produktivitas, serta Qwen3.7 Max saat tugas membutuhkan reasoning dan coding terkuat. Karena semua model menggunakan satu endpoint yang sama, beralih antar model cukup dengan mengubah satu parameter.
Join the Discord community for the latest model updates, prompts, and support.