
Qwen, Alibaba Cloud'un büyük dil modeli ailesidir ve Qwen API, tüm model serisini geliştiricilere açar. Gelişmiş akıl yürütme ve kodlama için amiral gemisi Qwen3.7 Max'e, farklı ölçeklerde verimli mixture-of-experts modellerine ve anında, yüksek hacimli yanıtlar için Qwen3.5 Flash'a erişin. Atlas Cloud'da her model, şeffaf kullandıkça öde fiyatlandırması ve yeni sürümlere Day-0 erişim ile tek bir endpoint üzerinden çalışır. Bugün geliştirmeye başlayın.
Atlas Cloud size sektörün en yeni ve önde gelen yaratıcı modellerini sunar.
Hızlı ve hafif asistanlardan amiral gemisi akıl yürütme modellerine kadar her Qwen API endpoint'inin metin prompt'larını nasıl üretilmiş metne dönüştürdüğünü görün; böylece iş yükünüz için doğru modeli eşleştirebilirsiniz.
| Modalite | Açıklama |
|---|---|
| Qwen3.6 35B A3B (Metinden Metne) | Serideki en yeni akıl yürütme modeli olan bu 35B mixture-of-experts endpoint'i, token başına yaklaşık 3B parametreyi etkinleştirerek derin akıl yürütmeyi uygun maliyetli tutar. Ham hızdan çok chain-of-thought kalitesinin önemli olduğu çok adımlı matematik, mantık ve analiz görevleri için kullanın. |
| Qwen3.6 Plus (Metinden Metne) | Sohbet ve üretkenlik iş akışlarında çok yönlü olan Qwen3.6 Plus, güçlü konuşma kalitesini prompt caching ve 256K token'ın ötesine uzanan kademeli fiyatlandırmayla birleştirir. Asistanların uzun belgelerde veya uzun çok turlu oturumlarda tutarlılığını koruması gerektiğinde tercih edin. |
| Qwen3.5 122B A10B (Metinden Metne) | Token başına yaklaşık 10B aktif parametreyle çalışan bu 122B mixture-of-experts modeli, biraz ölçekten ödün vererek daha hızlı ve daha ucuz çıkarım sunar. Orta seviye maliyetle büyük model kalitesi istediğiniz genel metin üretimi, özetleme ve akıl yürütme görevleri için uygundur. |
| Qwen3.5 35B A3B (Metinden Metne) | Hem verim hem de bütçe önemli olduğunda, bu 35B MoE endpoint'i token başına yalnızca yaklaşık 3B parametreyi aktif tutar. Amiral gemisi bir modelde çalıştırmanın israf olacağı yüksek hacimli sohbet, taslak oluşturma ve sınıflandırma işleri için kullanın. |
| Qwen3.5 27B (Metinden Metne) | Yoğun bir 27B model olan Qwen3.5 27B, mixture-of-experts yönlendirmesi olmadan öngörülebilir gecikme ve tutarlı kalite sunar. Kompakt ve güvenilir bir omurgadan yararlanan doğrudan metin üretimi ve talimat izleme görevlerine uygundur. |
| Qwen3.5 397B A17B (Metinden Metne) | 3.5 katmanındaki en büyük model olan bu 397B mixture-of-experts endpoint'i, token başına yaklaşık 17B parametreyi etkinleştirir ve tekrar eden bağlam maliyetini azaltmak için prompt caching ekler. Ailenin en derin kapasitesini gerektiren zorlu akıl yürütme ve üretim işleri için tercih edin. |
| Qwen3.7 Max (Metinden Metne) | Amiral gemisi olarak Qwen3.7 Max, tekrarlanan bağlamlarda maliyeti azaltmak için prompt caching ile gelişmiş akıl yürütme, kodlama ve karmaşık çok adımlı görevleri hedefler. Ajan tabanlı pipeline'lar, zor kodlama problemleri ve doğruluğun fiyattan daha önemli olduğu iş yükleri için seçin. |
| Qwen3.5 Plus (Metinden Metne) | Verimlilik odaklı tasarlanan Qwen3.5 Plus, prompt caching'i ve 256K token'ı aşan girdileri desteklerken günlük görevleri ve AI asistanlarını güçlendirir. Yönetilebilir maliyetle istikrarlı kaliteye ihtiyaç duyan üretim asistanları için güvenilir bir varsayılandır. |
| Qwen3.7 Plus (Metinden Metne) | Tek bir modelde yetenek, hız ve verimlilik mi gerekiyor? Qwen3.7 Plus üçünü dengeler, prompt caching ekler ve 256K token'ın üzerindeki prompt'lar için kademeli fiyatlandırma uygular. Hızlı yanıt talep etmeye devam eden ölçeklenmiş asistanlar ve belge ağırlıklı iş akışları için dağıtın. |
| Qwen3.5 Flash (Metinden Metne) | Anında yanıtlar ve büyük ölçekli kullanım için optimize edilen Qwen3.5 Flash, ailedeki en hızlı ve en ekonomik seçenektir. Düşük gecikmenin öncelik olduğu yüksek trafikli sohbet, otomatik tamamlama ve gerçek zamanlı özelliklerde kullanıma alın. |
| Qwen3 VL 235B A22B Thinking (Metinden Metne) | Akıl yürütme için ayarlanmış bu endpoint, yaklaşık 22B aktif parametreye ve özel bir thinking mode'a sahip 235B mixture-of-experts mimarisiyle çalışır. Açık, adım adım akıl yürütmenin değer kattığı yapılandırılmış problem çözme ve analiz için başvurun. |
| Qwen3-235B-A22B-Instruct-2507 (Metinden Metne) | Toplam 235B parametre ve token başına yaklaşık 22B aktif parametreyle, Qwen3 serisindeki bu talimatlara göre ayarlanmış MoE model geniş kapsamlı metin üretimi ve akıl yürütme görevlerini yerine getirir. 2507 sürümü, onu Qwen API üzerinde genel amaçlı asistanlar ve içerik pipeline'ları için sağlam bir seçenek haline getirir. |
Qwen API, çift modlu düşünmeyi, yerel işlev çağırmayı, 256K token’ı aşan bağlamı, 119 dil desteğini ve prompt önbelleğe almayı; Qwen3.5 Flash’tan Qwen3.7 Max’e uzanan tek bir OpenAI uyumlu anahtarın arkasında bir araya getirir.

İşlev çağırma, Qwen modellerinin kendi API’lerinize, veritabanlarınıza ve MCP sunucularınıza doğrudan bağlanan yapılandırılmış araç çağrıları üretmesini sağlar. Model, bir işlevi ne zaman çağıracağına karar verir, argümanları biçimlendirir ve ardından sonucu yanıtına geri katar. OpenAI uyumlu endpoint ile birlikte bu özellik, mevcut SDK kodunu otonom agent’lara, retrieval pipeline’larına ve iş akışı otomasyonlarına dönüştürür.

Tek bir modeli; matematik, mantık ve kodlama için bilinçli bir düşünme modu ile günlük diyaloglar için hızlı bir düşünmesiz mod arasında geçiş yaptırın. Qwen3.6 35B A3B gibi akıl yürütme modelleri ve amiral gemisi Qwen3.7 Max, bu derinliği tek bir endpoint üzerinden sunar. Bir görev adım adım çıkarım gerektirdiğinde düşünmeyi etkinleştirirsiniz; gecikme önemli olduğunda ise model ya da anahtar değiştirmeden kapatırsınız.

119 dil ve lehçe üzerinde eğitilen Qwen, çok dilli yönerge takibini ve çeviriyi Çince ve İngilizcede aynı akıcılıkla yönetir. Tek bir prompt, ayrı bir çeviri hizmetine gerek kalmadan diller arasında geçiş yapabilir. Küresel kitlelere ürün sunan ekipler; yerelleştirilmiş sohbet, diller arası arama ve her hedef pazarda doğal okunan metinler için Qwen’e güvenir.

Düşük gecikmeli Qwen3.5 Flash’tan amiral gemisi Qwen3.7 Max’e kadar tüm aile, tek bir OpenAI uyumlu anahtarla çalışır. 397B A17B ve 235B A22B gibi verimli mixture-of-experts tasarımları, token başına parametrelerinin yalnızca küçük bir bölümünü etkinleştirir ve her katman aynı istek formatını paylaşır. Entegrasyon kodundan tek bir satır bile yeniden yazmadan basit çağrıları Flash’a, zorlu akıl yürütmeyi Max’e yönlendirin.

Tekrarlanan bağlam, standart girdi fiyatının oldukça altında bir önbellekli ücretle faturalandırılır; böylece sistem prompt’ları ve paylaşılan belgeler her takip çağrısında daha düşük maliyetli olur. Fiyatlandırma, token başına yayımlanmış ücretler ve abonelik olmadan, kullandıkça öde modeliyle şeffaf kalır. Yüksek hacimli asistanlar, RAG stack’leri ve uzun konuşmalar en büyük faydayı sağlar; çünkü aynı önek tekrar tekrar gönderilir.
Aynı özeti Qwen API’ye ve rakip motorlara verin; ardından her modelin birebir aynı talimatı, hemen açıp tıklayabileceğiniz çalışan tek dosyalık bir web sayfasına nasıl dönüştürdüğünü izleyin.
Eksiksiz, tek dosyalık, kendi kendine yeterli bir HTML sayfası oluşturun (tüm CSS ve JavaScript tek bir .html dosyasında inline olsun). Sayfa, interaktif bir “Gece Yarısı Fransız Pastanesi Vitrini” render etsin: kapanış saatinden sonra hâlâ sıcak ışıkla parlayan butik bir tatlı teşhir vitrini. Kesin kısıt: Hiçbir tür harici kaynak YOK — CDN yok, bağlı stylesheet veya script yok, web fontu yok, `<img>` etiketi yok, SVG dosyası yok, base64 fotoğraf yok, görsel öğe olarak emoji yok. Her görsel yalnızca CSS ile stillendirilmiş HTML öğelerinden oluşturulmalı: katmanlı linear/radial/conic gradient’ler, üst üste bindirilmiş ve inset box-shadow’lar, border-radius, blur/backdrop-filter, transform’lar ve yalnızca canvas veya DOM ile çizilmiş şekiller. Bu, yalnızca vektörel CSS ile sahte-gerçekçi malzeme ve ışık render etme testidir. Sahne: Cam bir pastane vitrinine önden, göz hizasından bakış; raflar sakin bir üçte bir kuralı kompozisyonuyla düzenlenmiş. Rafın üzerinde, her biri tamamen gradient ve gölgelerden yapılmış, en az dört farklı ve titizlikle işlenmiş tatlıdan oluşan bir sıra bulunur: (1) yumuşak specular highlight ve yansıyan ışık gösteren ayna glaze bitişli, parlak çikolata-kakao mousse kubbesi; (2) çok sayıda çıtır, belirgin biçimde ayrılmış milföy katmanına sahip bir mille-feuille; (3) şekerle buzlanmış, hafif mat kabuklu katmanlı bir macaron kulesi; (4) yavaşça dönen bir turntable tabak üzerindeki limon tart. İnandırıcı derinlik modelleyin: yukarıdan gelen sıcak altın spotlight (vitrinin teşhir lambası), soğuk mavi gece ambiyansıyla kontrast oluştursun; düşen gölgeler, kenarlarda rim light ve nazik parlak yansımalar bulunsun. Her şeyin önünde ince bir cam katmanı süzülsün — belli belirsiz yansımalar, izler ve dağınık condensation droplets — ayrıca her tatlının altındaki raf yüzeyinde yumuşak bir yansıması olsun. Etkileşimler (tamamı akıcı, yay benzeri CSS/JS geçişleriyle): - Bir tatlının üzerine HOVER yapıldığında: tatlı nazikçe yükselsin, spotlight ve gölgesi güçlensin ve enine kesit “cutaway” animasyonu iç yapısını ortaya çıkarsın — katmanlı krema, ganache, curd ve bisküvi/hamur tabanı, etiketli üst üste gradient bantları olarak çizilsin. - Bir tatlıya CLICK yapıldığında “Customize” moduna girilsin: kullanıcıya dekoratif öğeleri gerçek zamanlı ekleyip ayarlama olanağı veren slider ve toggle’lara sahip zarif bir panel görünsün — serpilmiş şeker incileri (density slider), akıtılmış çekme karamel (amount + strand thickness) ve mirror-glaze/parlak pectin kaplama (glossiness slider), ayrıca accent-berry-red drizzle. Değerler değiştikçe tatlı canlı olarak yeniden boyanmalı; highlight/gloss, glossiness değerine tepki vermeli. “Reset” ve “Exit” kontrolleri sağlayın. Tatlılar arasında geçiş yaparken her tatlının özelleştirmesi korunsun. - Opsiyonel ambiyans dokunuşları: sıcak lambada belli belirsiz animasyonlu flicker, süzülen condensation ve limon tartın turntable’ının döngü halinde dönmesi. Görsel stil: rafine, sıcak, baştan çıkarıcı gece yarısı havası; derin soğuk mavi gece arka planı üzerinde karamel kahvesi, krem beyazı ve berry red paleti, mint green vurgularla. Tipografi şık bir pastane hissi vermeli — başlıkları ve tatlı adlarını geniş harf aralıklı, zarif, yalnızca CSS serif stack ile ayarlayın; düzeni temiz, düzenli ve responsive tutun ki mobilden geniş ekrana kadar iyi görünsün. Kalabalıktan çok zevkli mikro animasyonlara, katmanlı derinliğe ve malzeme gerçekçiliğine öncelik verin. Dosyayı doğrudan tarayıcıda açıp hemen etkileşime geçmek için gereken her şeyi dahil edin. Yalnızca tam HTML dokümanını çıktılayın, başka hiçbir şey değil.
Generated with Qwen3.7 Max on Atlas Cloud
Generated with Grok 4.5 on Atlas Cloud
Generated with Qwen3.5 397BA17B on Atlas Cloud
Tek bir HTML5 Canvas öğesi üzerinde, tarayıcı penceresini dolduran ve yeniden boyutlandırmada responsive kalan, tamamen gerçek zamanlı ve oynanabilir “Rapid Run” adlı bir beyaz su kayağı oyunu render eden tek bir kendi kendine yeterli HTML dosyası oluşturun (tüm CSS ve JavaScript inline; kesinlikle harici kütüphane, CDN, görsel, font veya network request yok). Görünüm, hafif ileri perspektife sahip üçüncü şahıs üstten kamera olsun; yukarıdan aşağıya sürekli kayan ve asla tekrar etmeyen, prosedürel olarak üretilmiş bir alp dağ akarsuyuna baksın: Her koşuda daralan chutes, akıntı ortası boulder’lar, dönen whirlpool’lar, küçük waterfall drop’lar ve çalkantılı beyaz köpük wave train’leriyle farklı bir örgülü kanal oyması için seviyeyi bir noise/pseudo-random generator ile seed edin. Oyuncu, ekranın alt üçte birlik bölümüne yakın duran tek bir crimson-and-amber kayak kullanır; nehir yanından hızla akıp gider. Left/Right ok tuşlarıyla (veya A/D) steer ederek edge ve carve yapın; fare paddle gibi çalışsın — kayak yatıp yatay fare konumuna doğru çeksin; tıklama veya basılı tutma, tekneyi daha sıkı bir hatta oturtan sert bir paddle stroke plantsın. Suyu, katmanlı kayan noise tarafından sürülen canlı bir flow field olarak simüle edin: akıntı kayağı aşağı ve yana iter, tongues içinde daha hızlı, eddies içinde daha yavaştır; böylece oyuncu suyu okumalı ve racing line için mücadele etmelidir. Zengin, GPU dostu bir particle system yayın: dalgaya çarptığında baştan patlayan bir spray yelpazesi, kıçtan köpürerek çıkan trailing turbulence wake, çarpışmalarda patlayan foam sheets ve whirlpool’lardan dışa yayılan ring’ler. Bir kayaya çarpmak tekneyi sarsıcı bir wobble ile spin out yaptırsın, kısa süreli kontrol kaybı ve kamera shudder’ı oluştursun. Keskin flat-illustration stiliyle hafif fluid realism’i birleştirerek render edin: su yüzeyi flow field’dan gelen animasyonlu ripple’lar ve refractive highlight glint’ler göstersin; noon high-plateau top light, spray üzerinde soğuk beyaz specular’lar ve turkuaz yeşilden mürekkep gibi teal’a derecelenen derin havuzlar bulunsun. Renk paleti glacier cyan-blue ağırlıklı olsun; kayak’ın vermilion-orange-yellow tonu güçlü vurgu rengi olarak kullanılsın, kıyılar grey stone ve pine green ile kaplansın. Ekran üstü HUD ekleyin: kat edilen mesafe, anlık hız, kaya çarpmalarında azalan stability/health meter ve canlı score; kısa kontroller içeren bir start screen, stability tükendiğinde Restart seçeneği olan bir game-over screen gösterin ve indikçe zorluğu kademeli artırın (daha hızlı akıntı, daha yoğun tehlikeler). requestAnimationFrame ile delta-time physics kullanan akıcı bir 60fps game loop hedefleyin; köpüklü bir chute içinden temiz bir hattı tutturmanın gerçekten hak edilmiş hissettirdiği, gerilimli ve tatmin edici bir deneyim için her şeyi ayarlayın.
Generated with Qwen3.7 Max on Atlas Cloud
Generated with Grok 4.5 on Atlas Cloud
Generated with Qwen3.7 Max on Atlas Cloud
Qwen API’nin Atlas Cloud’daki diğer amiral gemisi metin modelleriyle bağlam uzunluğu, çıktı üst sınırları, desteklenen giriş türleri ve şeffaf çağrı başına fiyatlandırma açısından nasıl karşılaştırıldığını görün.
| Model | Bağlam Penceresi | Maksimum Çıktı Token’ları | Giriş Türleri | Giriş Fiyatı ($/1M) | Çıktı Fiyatı ($/1M) |
|---|---|---|---|---|---|
| Qwen3.7 Max | 1M | 67,072 | Metin | $2.50 | $7.50 |
| Qwen3.7 Plus | 1M | 67,072 | Metin | $0.40 (≤256K) / $1.20 (>256K) | $1.60 / $4.80 |
| Qwen3.6 35B A3B | 256K | 65,536 | Metin, Görsel, Video | $0.248 | $1.485 |
| Qwen3.5 Flash | 1M | 67,072 | Metin | $0.10 | $0.40 |
| DeepSeek V4 Pro | 1M | 393,216 | Metin | $1.74 | $3.45 |
| Grok 4.5 | 500K | 500,000 | Metin | $2.00 | $6.00 |
| GLM 5.2 | 1M | 131,072 | Metin | $1.40 | $4.40 |
Dakikalar içinde başlayın — Atlas Cloud platformu üzerinden modelleri entegre etmek ve dağıtmak için şu basit adımları izleyin.
atlascloud.ai adresinde kaydolun ve doğrulamayı tamamlayın. Yeni kullanıcılar platformu keşfetmek ve modelleri test etmek için ücretsiz kredi alır.
Qwen'in gelişmiş modellerinin Atlas Cloud'un GPU hızlandırmalı platformuyla birleşimi, benzersiz performans, ölçeklenebilirlik ve geliştirici deneyimi sunar.
Düşük Gecikme:
Gerçek zamanlı akıl yürütme için GPU optimize çıkarım.
Birleşik API:
Qwen, GPT, Gemini ve DeepSeek'i tek entegrasyonla çalıştırın.
Şeffaf Fiyatlandırma:
Sunucusuz seçeneklerle öngörülebilir token tabanlı faturalandırma.
Geliştirici Deneyimi:
SDK'lar, analitik, ince ayar araçları ve şablonlar.
Güvenilirlik:
%99,99 kullanılabilirlik, RBAC ve uyumluluk için hazır günlükleme.
Güvenlik ve Uyumluluk:
SOC 2 Type II, HIPAA uyumluluğu, ABD'de veri egemenliği.
Qwen API, geliştiricilere metin üretimi, akıl yürütme, kodlama ve çok dilli görevler için Alibaba Cloud’un Qwen büyük dil modeli ailesine programatik erişim sağlar. Atlas Cloud’da tüm model yelpazesine OpenAI uyumlu tek bir endpoint üzerinden ulaşırsınız; böylece tek bir anahtar tüm Qwen modellerini kapsar.
Atlas Cloud; hızlı ve ekonomik Qwen3.5 Flash’tan, çok yönlü Plus katmanlarına ve gelişmiş akıl yürütme ile kodlama için tasarlanmış amiral gemisi Qwen3.7 Max’e kadar geniş bir yelpazeyi barındırır. Qwen3.6 35B A3B gibi akıl yürütme odaklı modeller ve Qwen3.5 397B A17B gibi büyük mixture-of-experts varyantları da daha ağır iş yükleri için kullanıma hazırdır.
Başlamak yalnızca birkaç adım sürer: bir Atlas Cloud hesabı oluşturun, bir API key üretin ve mevcut OpenAI uyumlu istemcinizi Atlas endpoint’ine yönlendirin. Fiyatlandırma, şeffaf çağrı başına ücretlerle kullandıkça öde şeklindedir; Day-0 erişim sayesinde yeni Qwen sürümleri yayınlandıkları anda hazır olur. Bugün geliştirmeye başlayın.
Evet. Atlas Cloud’daki Qwen API, OpenAI chat completions formatını izler; bu nedenle çoğu SDK yalnızca base URL ve key değiştirilerek çalışır. Mevcut araçlarınızı korur ve entegrasyonunuzu yeniden yazmadan herhangi bir Qwen modelini çağırabilirsiniz.
Atlas Cloud’daki Qwen modelleri, abonelik gerektirmeyen ve token başına faturalandırılan şeffaf kullandıkça öde fiyatlandırması kullanır. Ücretler Qwen3.5 Flash için milyon input token başına $0.1 ve milyon output token başına $0.4 seviyesinden başlar; amiral gemisi Qwen3.7 Max için milyon token başına $2.5 ve $7.5 seviyesine çıkar. Böylece harcamayı her iş yüküne göre eşleştirebilirsiniz.
Qwen3.7 Max gibi amiral gemisi modeller, uzun belgeler, büyük codebase’ler ve genişletilmiş konuşma geçmişi için uygun olan bir milyon token’a kadar context window sunar. Aile ayrıca Qwen3-VL gibi metin ve vision-language varyantlarını da kapsar; böylece bir görev düz prompt’lardan fazlasını içerdiğinde seçenekleriniz olur.
Düz sohbetin ötesinde Qwen modelleri, standart API parametreleri üzerinden streaming yanıtları, function calling ve yapılandırılmış tool kullanımını destekler. Qwen3.7 Max ve Qwen3.6 35B A3B gibi özel akıl yürütme modelleri; matematik, kodlama ve karmaşık agentic görevler için adım adım problem çözme yeteneği ekler.
Seçim, ihtiyaç duyduğunuz hız, maliyet ve yetenek dengesine bağlıdır. Gecikme süresi ve yüksek hacim önemli olduğunda Qwen3.5 Flash’ı, günlük asistanlar ve üretkenlik iş akışları için Plus katmanlarını, bir görev en güçlü akıl yürütme ve kodlama yeteneklerini gerektirdiğinde ise Qwen3.7 Max’i tercih edin. Tüm modeller tek bir endpoint’i paylaştığı için aralarında geçiş yapmak tek bir parametre değişikliğinden ibarettir.
Join the Discord community for the latest model updates, prompts, and support.