
Qwen är Alibaba Clouds familj av stora språkmodeller, och Qwen API gör hela utbudet tillgängligt för utvecklare. Använd flaggskeppet Qwen3.7 Max för avancerat resonemang och kodning, effektiva mixture-of-experts-modeller i många storlekar och Qwen3.5 Flash för omedelbara svar i hög volym. På Atlas Cloud körs varje modell via en enda endpoint med transparent pay-as-you-go-prissättning och Day-0-åtkomst till nya versioner. Börja bygga idag.
Atlas Cloud förser dig med de senaste branschledande kreativa modellerna.
Se hur varje Qwen API-endpoint omvandlar textprompter till genererad text, från snabba och lätta assistenter till flaggskeppsmodeller för resonemang, så att du kan matcha rätt modell med din arbetsbelastning.
| Modalitet | Beskrivning |
|---|---|
| Qwen3.6 35B A3B (Text to Text) | Den senaste resonemangsmodellen i serien. Denna 35B mixture-of-experts-endpoint aktiverar cirka 3B parametrar per token, så att djupgående resonemang förblir prisvärt. Skicka flerstegsmatematik, logik- och analysuppgifter där kvaliteten på chain-of-thought är viktigare än ren hastighet. |
| Qwen3.6 Plus (Text to Text) | Mångsidig för chatt- och produktivitetsflöden. Qwen3.6 Plus kombinerar hög konversationskvalitet med prompt caching och nivåbaserad prissättning som sträcker sig bortom 256K tokens. Välj den när assistenter behöver förbli sammanhängande över långa dokument eller utdragna flervarvssessioner. |
| Qwen3.5 122B A10B (Text to Text) | Med ungefär 10B aktiva parametrar per token byter denna 122B mixture-of-experts-modell lite skala mot snabbare och billigare inferens. Den passar generell textgenerering, sammanfattning och resonemang där du vill ha kvalitet i stor modell-klass till mellannivåkostnad. |
| Qwen3.5 35B A3B (Text to Text) | När både genomströmning och budget spelar roll håller denna 35B MoE-endpoint bara cirka 3B parametrar aktiva per token. Använd den för chatt, utkast och klassificering i hög volym som vore slöseri att köra på en flaggskeppsmodell. |
| Qwen3.5 27B (Text to Text) | Qwen3.5 27B är en tät 27B-modell som ger förutsägbar latens och jämn kvalitet utan mixture-of-experts-routing. Den passar raka genererings- och instruktionsföljande uppgifter som gynnas av en kompakt och tillförlitlig grundmodell. |
| Qwen3.5 397B A17B (Text to Text) | Den största modellen i 3.5-nivån. Denna 397B mixture-of-experts-endpoint aktiverar omkring 17B parametrar per token och lägger till prompt caching för att sänka kostnaden för upprepad kontext. Använd den för krävande resonemangs- och genereringsjobb som behöver familjens djupaste kapacitet. |
| Qwen3.7 Max (Text to Text) | Som flaggskepp är Qwen3.7 Max inriktad på avancerat resonemang, kodning och komplexa flerstegsuppgifter, med prompt caching för att minska kostnaden vid upprepad kontext. Välj den för agentbaserade pipelines, svåra kodningsproblem och arbetsbelastningar där träffsäkerhet väger tyngre än pris. |
| Qwen3.5 Plus (Text to Text) | Effektiv från grunden. Qwen3.5 Plus driver vardagsuppgifter och AI-assistenter samtidigt som den stöder prompt caching och indata som går förbi 256K tokens. Den är ett pålitligt standardval för produktionsassistenter som behöver stabil kvalitet till hanterbar kostnad. |
| Qwen3.7 Plus (Text to Text) | Behöver du kapacitet, hastighet och effektivitet i en och samma modell? Qwen3.7 Plus balanserar alla tre, lägger till prompt caching och använder nivåbaserad prissättning för prompter över 256K tokens. Driftsätt den för skalade assistenter och dokumenttunga arbetsflöden som ändå kräver snabba svar. |
| Qwen3.5 Flash (Text to Text) | Optimerad för omedelbara svar och storskalig användning. Qwen3.5 Flash är det snabbaste och mest ekonomiska alternativet i familjen. Använd den i chatt med hög trafik, autocomplete och realtidsfunktioner där låg latens är högsta prioritet. |
| Qwen3 VL 235B A22B Thinking (Text to Text) | Denna resonemangsoptimerade endpoint kör en 235B mixture-of-experts-arkitektur med cirka 22B aktiva parametrar och ett dedikerat thinking-läge. Vänd dig till den för strukturerad problemlösning och analys där tydligt, stegvis resonemang ger utdelning. |
| Qwen3-235B-A22B-Instruct-2507 (Text to Text) | Med 235B totala parametrar och ungefär 22B aktiva per token hanterar denna instruktionsoptimerade MoE-modell i Qwen3-serien bred textgenerering och resonemang. 2507-versionen gör den till ett starkt val för allmänna assistenter och innehållspipelines på Qwen API. |
Qwen API samlar tänkande i två lägen, inbyggda funktionsanrop, kontext över 256K tokens, stöd för 119 språk och promptcachning bakom en enda OpenAI-kompatibel nyckel, från Qwen3.5 Flash till Qwen3.7 Max.

Funktionsanrop låter Qwen-modeller generera strukturerade verktygsanrop som kopplas direkt till dina egna API:er, databaser och MCP-servrar. Modellen avgör när en funktion ska anropas, formaterar argumenten och väver sedan in resultatet i sitt svar. Tillsammans med den OpenAI-kompatibla endpointen gör detta befintlig SDK-kod till autonoma agenter, retrieval-pipelines och automatiserade arbetsflöden.

Växla en enda modell mellan ett medvetet tänkande läge för matematik, logik och kodning och ett snabbt icke-tänkande läge för vardaglig dialog. Resonemangsmodeller som Qwen3.6 35B A3B och flaggskeppet Qwen3.7 Max exponerar detta djup via en enda endpoint. När en uppgift kräver stegvis slutledning aktiverar du tänkande; när svarstid är viktig stänger du av det, utan att byta modell eller nyckel.

Qwen är tränad på 119 språk och dialekter och hanterar flerspråkig instruktionsföljning och översättning med samma flyt på kinesiska och engelska. En enda prompt kan växla mellan språk utan en separat översättningstjänst. Team som lanserar för globala målgrupper använder den för lokaliserad chatt, tvärspråklig sökning och texter som låter naturliga på varje målmarknad.

Från den lågfördröjda Qwen3.5 Flash till flaggskeppet Qwen3.7 Max använder hela familjen en enda OpenAI-kompatibel nyckel. Effektiva mixture-of-experts-designer som 397B A17B och 235B A22B aktiverar bara en bråkdel av sina parametrar per token, och varje nivå delar samma förfrågningsformat. Skicka enkla anrop till Flash och svåra resonemang till Max utan att skriva om en enda rad integrationskod.

Upprepad kontext debiteras till en cachad taxa långt under standardpriset för indata, så systemprompter och delade dokument kostar mindre vid varje uppföljande anrop. Prissättningen är fortsatt transparent och pay-as-you-go, med publicerade priser per token och ingen prenumeration. Assistenter med hög volym, RAG-stackar och långa konversationer vinner mest, eftersom samma prefix skickas om och om igen.
Ge samma identiska brief till Qwen API och konkurrerande motorer, och se sedan hur varje modell omvandlar exakt samma instruktion till en fungerande webbsida i en enda fil som du kan öppna och klicka i direkt.
Bygg en komplett, fristående HTML-sida i en enda fil (all CSS och JavaScript inbäddad i en .html-fil) som renderar ett interaktivt ”Franskt patisserifönster sent på kvällen” — en boutiquemonter för desserter som fortfarande glöder av varmt ljus efter stängning. Absolut krav: INGA externa resurser av något slag — inga CDNs, inga länkade formatmallar eller skript, inga webbtypsnitt, inga `<img>`-taggar, inga SVG-filer, inga base64-foton, inga emoji som konst. Varje visuellt element måste byggas enbart av HTML-element stylade med CSS: skiktade linear/radial/conic gradients, staplade och infällda box-shadows, border-radius, blur/backdrop-filter, transforms samt canvas- eller DOM-ritade former endast. Det här är ett test av att rendera fuskrealistiska material och ljus med enbart vektor-CSS. Scenen: en frontvy i ögonhöjd in genom ett patisserifönster i glas, med hyllor arrangerade i en lugn tredjedelskomposition. På hyllan står en rad med minst fyra distinkta, minutiöst utformade desserter, var och en byggd helt av gradients och shadows: (1) en blank choklad- och kakaomoussekupol med mirror-glaze-yta som visar en mjuk spekulär highlight och reflekterat ljus; (2) en mille-feuille med många frasiga, tydligt separerade lager av smördeg; (3) ett våningsbyggt macarontorn med sockerfrostade, lätt matta skal; (4) en citrontarte på en långsamt roterande turntable plate. Modellera trovärdigt djup: varm gyllene spotlight uppifrån (fönstrets displaylampa) i kontrast mot ett svalt blått nattljus, med slagskuggor, rim light på kanter och mjuka blanka reflektioner. Ett subtilt glasskikt svävar framför allt — svaga reflektioner, ränder och ett spritt lager kondensdroppar — och det finns en mjuk reflektion av varje dessert på hyllans yta under den. Interaktioner (alla med mjuka, fjäderlika CSS/JS-övergångar): - HOVRA över en dessert: den lyfts varsamt, dess spotlight och skugga intensifieras, och en ”cutaway”-animation i genomskärning visar dess inre struktur — lager av kräm, ganache, curd och kex-/smördegsbotten ritade som staplade gradientband med en etikett. - KLICKA på en dessert för att gå in i läget ”Anpassa”: en elegant panel visas med sliders och toggles som låter användaren lägga till och justera dekorativa element i realtid — strösslade sockerpärlor (densitetsreglage), ringlad dragen karamell (mängd + trådtjocklek) och en mirror-glaze/blank pektinbeläggning (glansreglage), plus en accent i bär-röd drizzle. Desserten måste målas om live när värden ändras, där highlight/glans reagerar på glansvärdet. Tillhandahåll kontrollerna ”Återställ” och ”Avsluta”. Spara varje desserts anpassning när användaren växlar mellan dem. - Valfria stämningsdetaljer: ett svagt animerat flimmer i den varma lampan, drivande kondens och citrontartens turntable som roterar i en loop. Visuell stil: förfinad, ombonad, förförisk senkvällskänsla; palett av karamellbrunt, gräddvitt och bärrött, accentuerat med mintgrönt, över en djup svalblå nattbakgrund. Typografin ska kännas som ett elegant patisserie — sätt rubriker och dessertnamn i en stilfull CSS-only serif-stack med generös letter-spacing; håll layouten prydlig, ordnad och responsiv så att den ser bra ut från mobil till widescreen. Prioritera smakfulla mikroanimationer, skiktat djup och materialrealism framför plotter. Inkludera allt som behövs för att öppna filen direkt i en webbläsare och genast interagera med den. Mata endast ut hela HTML-dokumentet, inget annat.
Generated with Qwen3.7 Max on Atlas Cloud
Generated with Grok 4.5 on Atlas Cloud
Generated with Qwen3.5 397BA17B on Atlas Cloud
Skapa en enda fristående HTML-fil (all CSS och JavaScript inline, absolut inga externa bibliotek, CDNs, bilder, typsnitt eller nätverksförfrågningar) som renderar ett realtidsbaserat, spelbart forspaddlingsspel i kajak kallat ”Rapid Run” helt på ett enda HTML5 Canvas-element som fyller webbläsarfönstret och förblir responsivt vid storleksändring. Vyn är en tredjepersonskamera uppifrån med lätt framåtperspektiv, riktad ned över en procedurgenererad alpin bergsbäck som kontinuerligt scrollar uppifrån och ned och aldrig upprepar sig: seeda banan med en noise-/pseudo-random-generator så att varje körning skär ut en ny flätad kanal med smalnande forsstråk, stenblock mitt i strömmen, virvlande whirlpools, små vattenfallsdropp och skummande white-foam wave trains. Spelaren styr en enda karmosinröd och bärnstensfärgad kajak som håller sig nära skärmens nedre tredjedel medan floden rusar förbi; styr med vänster-/högerpiltangenterna (eller A/D) för att kanta och skära, och låt musen fungera som paddel — kajaken lutar och drar mot musens horisontella position, med klick eller nedhållen knapp för att sätta i ett kraftigt paddeltag som snäpper båten in på en snävare linje. Simulera vattnet som ett levande flow field drivet av skiktat scrollande noise: strömmen pressar kajaken nedströms och i sidled, snabbare i huvudfårorna och långsammare i bakvatten, så spelaren måste läsa vattnet och kämpa om racinglinjen. Avge ett rikt GPU-vänligt partikelsystem — en solfjäder av stänk som bryter från fören när den slår i en våg, ett släpande turbulensvak som churnar från aktern, skumflak som exploderar vid kollisioner och ringar som krusar ut från whirlpools. Att träffa en sten får båten att spinna ur med ett skakande wobble, tillfällig kontrollförlust och en kameraskälvning. Rendera i en krispig flat-illustration-stil förenad med lätt fluid realism: vattenytan visar animerade krusningar och refraktiva highlight-glints från flow field, högplatåljus mitt på dagen, svala vita speculars på stänket och djupa pooler graderade från turkosgrönt till bläckigt teal. Färgpaletten domineras av glacier cyan-blue, med kajakens vermilion-orange-yellow som den kraftfulla accenten, och stränder klädda i grå sten och tallgrönt. Inkludera en HUD på skärmen: tillryggalagd distans, aktuell hastighet, en stabilitets-/hälsomätare som minskar vid stenpåslag och en livepoäng; visa en startskärm med korta kontroller, en game-over-skärm när stabiliteten är slut med ett Restart-alternativ, och öka svårighetsgraden gradvis (snabbare ström, tätare faror) ju längre ned du färdas. Sikta på en jämn 60fps-spelloop med requestAnimationFrame och delta-time physics, allt finjusterat för en genuint spänd, tillfredsställande känsla där det känns förtjänat att sätta en ren linje genom en skummande forssträcka.
Generated with Qwen3.7 Max on Atlas Cloud
Generated with Grok 4.5 on Atlas Cloud
Generated with Qwen3.7 Max on Atlas Cloud
Se hur Qwen API står sig mot andra flaggskeppsmodeller för text på Atlas Cloud när det gäller kontextlängd, utdatatak, indatatyper som stöds och transparent prissättning per anrop.
| Modell | Kontextfönster | Max antal utdatatoken | Indatatyper | Indatapris ($/1M) | Utdatapris ($/1M) |
|---|---|---|---|---|---|
| Qwen3.7 Max | 1M | 67,072 | Text | $2.50 | $7.50 |
| Qwen3.7 Plus | 1M | 67,072 | Text | $0.40 (≤256K) / $1.20 (>256K) | $1.60 / $4.80 |
| Qwen3.6 35B A3B | 256K | 65,536 | Text, bild, video | $0.248 | $1.485 |
| Qwen3.5 Flash | 1M | 67,072 | Text | $0.10 | $0.40 |
| DeepSeek V4 Pro | 1M | 393,216 | Text | $1.74 | $3.45 |
| Grok 4.5 | 500K | 500,000 | Text | $2.00 | $6.00 |
| GLM 5.2 | 1M | 131,072 | Text | $1.40 | $4.40 |
Get started in minutes — follow these simple steps to integrate and deploy models through Atlas Cloud’s platform.
Registrera dig på atlascloud.ai och slutför verifieringen. Nya användare får gratis krediter för att utforska plattformen och testa modeller.
Att kombinera de avancerade Qwen-modellerna med Atlas Clouds GPU-accelererade plattform ger oöverträffad prestanda, skalbarhet och utvecklarupplevelse.
Låg Latens:
GPU-optimerad inferens för realtidsresonemang.
Enhetligt API:
Kör Qwen, GPT, Gemini och DeepSeek med en integration.
Transparent Prissättning:
Förutsägbar fakturering per token med serverlösa alternativ.
Utvecklarupplevelse:
SDK:er, analys, finjusteringsverktyg och mallar.
Tillförlitlighet:
99.99% drifttid, RBAC och efterlevnadsredo loggning.
Säkerhet & Efterlevnad:
SOC 2 Type II, HIPAA-anpassning, datasuveränitet i USA.
Qwen API ger utvecklare programmatisk åtkomst till Alibaba Clouds Qwen-familj av stora språkmodeller för textgenerering, resonemang, kodning och flerspråkiga uppgifter. På Atlas Cloud når du hela utbudet via en enda OpenAI-kompatibel endpoint, så en och samma nyckel täcker alla Qwen-modeller.
Atlas Cloud tillhandahåller ett brett utbud, från snabba och kostnadseffektiva Qwen3.5 Flash till mångsidiga Plus-nivåer och flaggskeppet Qwen3.7 Max, byggt för avancerat resonemang och kodning. Resonemangsfokuserade modeller som Qwen3.6 35B A3B och stora mixture-of-experts-varianter som Qwen3.5 397B A17B finns också tillgängliga för tyngre arbetslaster.
Det tar bara några få steg att komma igång: skapa ett Atlas Cloud-konto, generera en API-nyckel och peka din befintliga OpenAI-kompatibla klient mot Atlas endpoint. Prissättningen är pay-as-you-go med transparenta priser per anrop, och Day-0-åtkomst innebär att nya Qwen-versioner är redo så snart de lanseras. Börja bygga i dag.
Ja. Qwen API på Atlas Cloud följer OpenAI-formatet för chat completions, så de flesta SDK:er fungerar genom att du helt enkelt byter base URL och nyckel. Du behåller dina befintliga verktyg och kan anropa valfri Qwen-modell utan att skriva om din integration.
Qwen-modeller på Atlas Cloud använder transparent pay-as-you-go-prissättning som debiteras per token, utan krav på abonnemang. Priserna börjar på $0.1 per miljon input tokens och $0.4 per miljon output tokens för Qwen3.5 Flash, och går upp till $2.5 och $7.5 per miljon tokens för flaggskeppet Qwen3.7 Max, så att du kan anpassa kostnaden efter varje arbetslast.
Flaggskeppsmodeller som Qwen3.7 Max erbjuder kontextfönster på upp till en miljon tokens, vilket passar långa dokument, stora kodbaser och omfattande konversationshistorik. Familjen omfattar även text- och vision-language-varianter som Qwen3-VL, vilket ger dig alternativ när en uppgift handlar om mer än vanliga promptar.
Utöver vanlig chatt stöder Qwen-modeller strömmade svar, function calling och strukturerad verktygsanvändning via standardparametrarna i API:et. Dedikerade resonemangsmodeller som Qwen3.7 Max och Qwen3.6 35B A3B lägger till stegvis problemlösning för matematik, kodning och komplexa agentiska uppgifter.
Valet handlar om den balans du behöver mellan hastighet, kostnad och kapacitet. Välj Qwen3.5 Flash när låg latens och hög volym är viktigt, Plus-nivåerna för vardagliga assistenter och produktivitetsflöden, och Qwen3.7 Max när en uppgift kräver det starkaste resonemanget och den bästa kodningen. Eftersom alla modeller delar en enda endpoint är det bara en parameterändring att växla mellan dem.
Join the Discord community for the latest model updates, prompts, and support.