
Qwen 是 Alibaba Cloud 的大型語言模型家族,而 Qwen API 將完整產品線開放給開發者使用。可使用旗艦級 Qwen3.7 Max 進行進階推理與程式碼撰寫,運用多種規模的高效率 mixture-of-experts 模型,以及 Qwen3.5 Flash 取得即時且高吞吐量的回應。在 Atlas Cloud 上,所有模型皆透過單一 endpoint 執行,提供透明的按量付費定價,並可在 Day-0 存取新版本。立即開始建置。
Atlas Cloud 為您提供最新的行業領先創意模型。
了解各個 Qwen API endpoint 如何將文字提示轉換為生成文字,從快速輕量的助理到旗艦級推理模型,協助你為工作負載選擇合適的模型。
| 模態 | 描述 |
|---|---|
| Qwen3.6 35B A3B(文字轉文字) | 這是產品線中最新的推理模型;此 35B mixture-of-experts endpoint 每個 token 約啟用 3B 參數,讓深度推理維持可負擔的成本。適合用於多步驟數學、邏輯與分析任務,尤其是 chain-of-thought 品質比原始速度更重要的情境。 |
| Qwen3.6 Plus(文字轉文字) | Qwen3.6 Plus 能靈活支援聊天與生產力工作流程,兼具出色的對話品質、prompt caching,以及延伸至 256K tokens 以上的分級計價。當助理需要在長文件或冗長的多輪對話中保持連貫時,就適合選用它。 |
| Qwen3.5 122B A10B(文字轉文字) | 此 122B mixture-of-experts model 每個 token 約有 10B active parameters,在規模上略作取捨,以換取更快且更便宜的推論。適合一般文字生成、摘要與推理,讓你以中階成本取得大型模型品質。 |
| Qwen3.5 35B A3B(文字轉文字) | 當吞吐量與預算同樣重要時,此 35B MoE endpoint 每個 token 僅維持約 3B 參數啟用。可用於高流量聊天、草稿撰寫與分類等任務,避免把不必要的工作負載放到旗艦模型上造成浪費。 |
| Qwen3.5 27B(文字轉文字) | Qwen3.5 27B 是 dense 27B model,無需 mixture-of-experts routing,即可提供可預期的延遲與穩定品質。適合直接的生成與指令遵循任務,特別是需要精簡且可靠基礎模型的場景。 |
| Qwen3.5 397B A17B(文字轉文字) | 這是 3.5 tier 中最大的模型;此 397B mixture-of-experts endpoint 每個 token 約啟用 17B 參數,並加入 prompt caching 以降低重複情境的成本。適合需要此系列最深層能力的高要求推理與生成工作。 |
| Qwen3.7 Max(文字轉文字) | 作為旗艦模型,Qwen3.7 Max 面向進階推理、程式撰寫與複雜多步驟任務,並透過 prompt caching 降低重複 context 的成本。適合 agentic pipelines、困難的程式問題,以及準確度優先於價格的工作負載。 |
| Qwen3.5 Plus(文字轉文字) | Qwen3.5 Plus 以效率為設計核心,可支援日常任務與 AI 助理,同時支援 prompt caching,以及超過 256K tokens 的輸入。對於需要穩定品質且成本可控的生產環境助理而言,它是可靠的預設選擇。 |
| Qwen3.7 Plus(文字轉文字) | 需要在單一模型中兼顧能力、速度與效率嗎?Qwen3.7 Plus 在三者之間取得平衡,加入 prompt caching,並針對超過 256K tokens 的提示套用分級計價。適合部署於大規模助理與文件密集型工作流程,同時仍要求快速回應的場景。 |
| Qwen3.5 Flash(文字轉文字) | Qwen3.5 Flash 針對即時回應與大規模使用最佳化,是此系列中最快且最具成本效益的選項。可將它用於高流量聊天、自動完成與即時功能等低延遲優先的場景。 |
| Qwen3 VL 235B A22B Thinking(文字轉文字) | 此針對推理調校的 endpoint 採用 235B mixture-of-experts architecture,約有 22B active parameters,並具備專用的 thinking mode。適合用於結構化問題解決與分析,尤其是能從明確逐步推理中獲益的任務。 |
| Qwen3-235B-A22B-Instruct-2507(文字轉文字) | 此 Qwen3 系列的 instruction-tuned MoE model 擁有 235B 總參數,每個 token 約有 22B active parameters,可處理廣泛的文字生成與推理任務。2507 release 讓它成為 Qwen API 上一般用途助理與內容管線的穩健選擇。 |
Qwen API 將雙模式思考、原生 function calling、超過 256K tokens 的上下文、119 種語言支援,以及 prompt caching 整合在同一把 OpenAI-compatible key 之後,涵蓋從 Qwen3.5 Flash 到 Qwen3.7 Max 的模型。

Function calling 讓 Qwen models 能輸出結構化的工具呼叫,直接接入你自己的 APIs、資料庫與 MCP servers。模型會自行判斷何時呼叫 function、格式化參數,並將結果整合回回答中。搭配 OpenAI-compatible endpoint,既有 SDK 程式碼即可轉化為自主 agents、retrieval pipelines 與 workflow automations。

同一個模型可在兩種模式間切換:用於數學、邏輯與程式撰寫的審慎思考模式,以及用於日常對話的快速非思考模式。Qwen3.6 35B A3B 與旗艦 Qwen3.7 Max 等推理模型,透過同一個 endpoint 提供這種深度能力。當任務需要逐步推導時啟用 thinking;當延遲更重要時則關閉,無需更換模型或 key。

Qwen 以 119 種語言與方言訓練而成,能流暢地處理多語指令遵循與翻譯,中文與英文表現同樣出色。單一 prompt 就能在不同語言間切換,無需額外的翻譯服務。面向全球受眾出貨的團隊,可用它打造在地化聊天、跨語言搜尋,以及在各目標市場讀起來自然的文案。

從低延遲的 Qwen3.5 Flash 到旗艦 Qwen3.7 Max,整個模型家族都可透過同一把 OpenAI-compatible key 呼叫。397B A17B 與 235B A22B 等高效率 mixture-of-experts 設計,每個 token 只啟用一小部分參數,而所有層級都共用相同的請求格式。你可以把簡單呼叫路由到 Flash、把困難推理交給 Max,完全不必改寫任何整合程式碼。

重複的上下文會以遠低於標準輸入價格的快取費率計費,因此 system prompts 與共用文件在每次後續呼叫時成本更低。定價維持 pay-as-you-go 且透明,提供公開的 per-token 費率,無需訂閱。高用量 assistants、RAG stacks 與長對話受益最大,因為相同前綴會一再被送出。
把同一份簡報交給 Qwen API 與競爭引擎,接著觀察每個模型如何將完全相同的指令轉化為可立即開啟並點擊操作的單檔網頁。
建立一個完整、單檔、自包含的 HTML 頁面(所有 CSS 與 JavaScript 皆內嵌於同一個 .html 檔案),呈現一個互動式「深夜法式甜點店櫥窗」——一座精品甜點展示櫃,在打烊後仍散發著溫暖光芒。絕對限制:不得使用任何外部資源——不可使用 CDNs、外連樣式表或腳本、網頁字型、`<img>` 標籤、SVG 檔案、base64 照片,也不可用 emoji 作為美術元素。所有視覺都必須純粹由套用 CSS 的 HTML 元素構成:分層 linear/radial/conic gradients、堆疊與內嵌 box-shadows、border-radius、blur/backdrop-filter、transforms,以及僅限 canvas 或 DOM 繪製的形狀。這是一項僅以向量 CSS 呈現擬真材質與光線的測試。 場景:從正面、視線高度望進玻璃甜點櫥窗,層架以沉穩的三分法構圖排列。層架上擺放至少四款截然不同、精工細作的甜點,每款都完全由漸層與陰影構成:(1) 帶有鏡面淋面效果的亮面巧克力可可慕斯半球,呈現柔和的高光與反射光;(2) 千層酥,具有許多清脆且明顯分離的酥皮層;(3) 階梯式馬卡龍塔,外殼帶糖霜、略呈霧面;(4) 放在緩慢旋轉轉盤上的檸檬塔。塑造可信的深度:來自上方的溫暖金色聚光(櫥窗展示燈)與冷藍色夜間環境光形成對比,並具有投影、邊緣輪廓光,以及柔和的亮面反射。所有物件前方漂浮著一層細緻玻璃——淡淡反光、擦痕與零星凝結水珠——且每個甜點都在下方層架表面留下柔和倒影。 互動(全部使用流暢、帶彈簧感的 CSS/JS transitions): - HOVER 甜點:甜點輕輕升起,聚光與陰影加強,並以剖面「cutaway」動畫揭示內部結構——以堆疊漸層色帶繪製的分層奶油、ganache、curd,以及餅乾/酥皮底座,並附上標籤。 - CLICK 甜點進入「Customize」模式:顯示一個優雅面板,包含 sliders 與 toggles,讓使用者即時新增並調整裝飾元素——灑上的糖珠(density slider)、淋上的拉絲焦糖(amount + strand thickness),以及鏡面淋面/亮面果膠塗層(glossiness slider),再加上莓果紅點綴淋醬。甜點必須在數值變更時即時重繪,高光/光澤需對 glossiness 值做出反應。提供「Reset」與「Exit」控制項。切換不同甜點時,保留每款甜點的客製設定。 - 可選環境細節:溫暖燈光的微弱動畫閃爍、飄移的凝結水氣,以及檸檬塔轉盤的循環旋轉。 視覺風格:精緻、溫馨、迷人的深夜氛圍;色盤以焦糖棕、奶油白與莓果紅為主,點綴薄荷綠,置於深冷藍夜色背景上。字體排印應帶有時髦甜點店氣質——使用優雅的 CSS-only serif stack 設定標題與甜點名稱,並搭配寬鬆字距;保持版面整潔、有秩序且具響應式,從行動裝置到寬螢幕都能呈現良好效果。優先著重有品味的微動畫、分層深度與材質真實感,而非堆砌雜訊。包含直接在瀏覽器開啟檔案並立即互動所需的一切。只輸出完整 HTML document,不要輸出其他內容。
Generated with Qwen3.7 Max on Atlas Cloud
Generated with Grok 4.5 on Atlas Cloud
Generated with Qwen3.5 397BA17B on Atlas Cloud
建立一個單一自包含的 HTML 檔案(所有 CSS 與 JavaScript 皆內嵌,絕對不得使用外部函式庫、CDNs、圖片、字型或網路請求),在單一 HTML5 Canvas 元素上完整呈現一款名為「Rapid Run」的即時可遊玩激流獨木舟遊戲;Canvas 必須填滿瀏覽器視窗,並在 resize 時保持響應式。視角為第三人稱俯視攝影機,帶有些微向前透視,俯看一條由程序生成的高山溪流,河流會自上而下持續捲動且永不重複:使用 noise/pseudo-random generator 為關卡設 seed,讓每次遊玩都切出不同的分汊水道,包含收窄的急流槽、河中巨石、旋轉漩渦、小型瀑布落差,以及翻湧白沫的浪列。玩家駕駛一艘深紅與琥珀色的單人 kayak,位置保持在畫面下方三分之一附近,河水從旁疾速流過;使用 Left/Right arrow keys(或 A/D)轉向、壓舷與切線,並讓滑鼠作為槳——kayak 會傾斜並朝滑鼠的水平位置拉近,點擊或按住按鈕則插入一次強力划槳,將船身猛地切入更緊的路線。將水流模擬為由多層捲動 noise 驅動的即時 flow field:水流會將 kayak 往下游與側向推送,在主流舌處更快、在回流區更慢,因此玩家必須讀懂水勢並爭取競速線。發射豐富且 GPU-friendly 的粒子系統——船首拍上浪頭時迸出的扇形水花、船尾翻攪的尾流湍流、撞擊時炸開的泡沫片,以及從漩渦向外擴散的漣漪環。撞上岩石會讓船身打轉,伴隨劇烈晃動、短暫失控與攝影機震顫。以俐落的扁平插畫風格融合輕量流體寫實來渲染:水面呈現由 flow field 產生的動畫漣漪與折射高光閃爍、高原正午頂光、水花上的冷白色 speculars,以及從綠松石色漸變至深墨藍綠的深潭。色彩以冰河青藍為主,kayak 的朱紅-橘-黃色作為醒目重點,河岸則以灰色石塊與松林綠點綴。包含畫面上的 HUD:行進距離、目前速度、會在撞岩時下降的穩定度/生命值量表,以及即時分數;顯示包含簡短操作說明的開始畫面,穩定度耗盡時顯示 game-over 畫面並提供 Restart 選項,且下降距離越遠,難度逐漸提升(更快水流、更密集障礙)。目標是使用 requestAnimationFrame 搭配 delta-time physics 打造順暢的 60fps 遊戲迴圈,整體調校成真正緊張且令人滿足的手感,讓玩家成功穿過白沫急流槽的乾淨路線時感到實至名歸。
Generated with Qwen3.7 Max on Atlas Cloud
Generated with Grok 4.5 on Atlas Cloud
Generated with Qwen3.7 Max on Atlas Cloud
了解 Qwen API 在 Atlas Cloud 上相較於其他旗艦文字模型,於上下文長度、輸出上限、支援的輸入類型,以及透明的每次呼叫定價方面的表現。
| 模型 | 上下文視窗 | 最大輸出 Token 數 | 輸入類型 | 輸入價格($/1M) | 輸出價格($/1M) |
|---|---|---|---|---|---|
| Qwen3.7 Max | 1M | 67,072 | 文字 | $2.50 | $7.50 |
| Qwen3.7 Plus | 1M | 67,072 | 文字 | $0.40 (≤256K) / $1.20 (>256K) | $1.60 / $4.80 |
| Qwen3.6 35B A3B | 256K | 65,536 | 文字、圖片、影片 | $0.248 | $1.485 |
| Qwen3.5 Flash | 1M | 67,072 | 文字 | $0.10 | $0.40 |
| DeepSeek V4 Pro | 1M | 393,216 | 文字 | $1.74 | $3.45 |
| Grok 4.5 | 500K | 500,000 | 文字 | $2.00 | $6.00 |
| GLM 5.2 | 1M | 131,072 | 文字 | $1.40 | $4.40 |
幾分鐘即可上手 — 按照以下簡單步驟,透過 Atlas Cloud 平台整合和部署模型。
在 atlascloud.ai 註冊並完成驗證。新用戶可獲得免費額度,用於探索平台和測試模型。
將先進的 Qwen 模型與 Atlas Cloud 的 GPU 加速平台相結合,提供無與倫比的效能、可擴展性和開發體驗。
低延遲:
GPU 最佳化推理,實現即時回應。
統一 API:
一次整合,暢用 Qwen、GPT、Gemini 和 DeepSeek。
透明定價:
按 Token 計費,支援 Serverless 模式。
開發者體驗:
SDK、資料分析、微調工具和模板一應俱全。
可靠性:
99.99% 可用性、RBAC 權限控制、合規日誌。
安全與合規:
SOC 2 Type II 認證、HIPAA 合規、美國資料主權。
Qwen API 讓開發者能以程式化方式存取 Alibaba Cloud 的 Qwen 大型語言模型系列,用於文字生成、推理、程式碼撰寫與多語言任務。在 Atlas Cloud 上,你可以透過一個 OpenAI-compatible endpoint 存取完整模型陣容,因此一組金鑰即可涵蓋所有 Qwen model。
Atlas Cloud 提供完整的模型陣容,從快速且經濟實惠的 Qwen3.5 Flash,到用途廣泛的 Plus tiers,以及專為進階推理與程式碼撰寫打造的旗艦 Qwen3.7 Max。以推理為重點的模型(例如 Qwen3.6 35B A3B)以及大型 mixture-of-experts 變體(例如 Qwen3.5 397B A17B)也可用於更繁重的工作負載。
開始使用只需要幾個步驟:建立 Atlas Cloud 帳戶、產生 API key,並將現有的 OpenAI-compatible client 指向 Atlas endpoint。計費採用透明的 pay-as-you-go,按每次呼叫費率收費;Day-0 access 代表新的 Qwen 版本一推出即可立即使用。今天就開始建置吧。
是。Atlas Cloud 上的 Qwen API 遵循 OpenAI chat completions format,因此大多數 SDK 只要更換 base URL 和 key 即可運作。你可以保留目前的工具鏈,並在不重寫整合的情況下呼叫任何 Qwen model。
Atlas Cloud 上的 Qwen models 採用透明的 pay-as-you-go 定價,按 token 計費,無須訂閱。Qwen3.5 Flash 的費率從每百萬 input tokens $0.1、每百萬 output tokens $0.4 起,旗艦 Qwen3.7 Max 則為每百萬 tokens $2.5 和 $7.5,讓你能依各工作負載配置支出。
Qwen3.7 Max 等旗艦模型提供最高達 one million tokens 的 context window,適合長文件、大型程式碼庫與延伸的對話歷史。此系列也涵蓋文字與 vision-language 變體,例如 Qwen3-VL,讓你在任務不只涉及純文字提示時有更多選擇。
除了基本聊天之外,Qwen models 也透過標準 API parameters 支援 streaming responses、function calling 與結構化 tool use。Qwen3.7 Max 和 Qwen3.6 35B A3B 等專用推理模型,則為數學、程式碼撰寫與複雜的 agentic tasks 提供逐步解題能力。
選擇取決於你在速度、成本與能力之間需要的平衡。當低延遲與高用量很重要時,選擇 Qwen3.5 Flash;日常助理與生產力工作流程可選 Plus tiers;當任務需要最強的推理與程式碼撰寫能力時,選擇 Qwen3.7 Max。由於所有模型共用同一個 endpoint,在它們之間切換只需變更單一參數。
Join the Discord community for the latest model updates, prompts, and support.