> ## Documentation Index
> Fetch the complete documentation index at: https://docs.aieev.com/llms.txt
> Use this file to discover all available pages before exploring further.
# Qwen3.5-35B-A3B
> 멀티모달을 지원하는 고성능 Mixture-of-Experts 모델.
**모델 ID:** `qwen/qwen3.5-35b-a3b` | **파라미터:** 35B (A3B MoE) | **출시일:** 2026-02-26
## 개요
Qwen 3.5 35B (A3B)는 강력한 성능과 효율적인 추론을 제공하도록 설계된 Mixture-of-Experts (MoE) 대규모 언어 모델입니다. 토큰당 파라미터의 일부만 활성화하는 희소 활성화 방식을 사용하여 능력과 서빙 비용 간의 최적 균형을 달성합니다. 9B 모델 대비 추론, 코딩, 분석 성능이 향상되어 더 복잡한 워크로드에 적합합니다. 최대 262K 토큰의 긴 컨텍스트 추론과 멀티모달 입력(텍스트 및 이미지)을 지원하여 고급 어시스턴트, 백엔드 자동화, 멀티모달 이해, 대규모 추론 시스템에 적합합니다.
플레이그라운드에서 모델을 체험하세요.
AIR Container로 배포하세요.
API 사용법을 알아보세요.
## 가격
| 입력 | 출력 |
| ---------------- | ------------- |
| \$0.1625 / 1M 토큰 | \$1.3 / 1M 토큰 |
## 주요 기능
* Mixture-of-Experts (MoE, A3B) 아키텍처로 희소 활성화를 통한 효율적 스케일링
* 9B 모델 대비 강화된 추론 및 코딩 성능
* 최대 262,144 토큰의 긴 컨텍스트 추론 지원
* 텍스트 및 이미지 입력을 지원하는 멀티모달 능력 (요청당 최대 1장, 2장 이상 전송 시 400 에러)
* 강력한 다국어 이해 및 생성
* 희소 전문가 활성화를 통한 효율적 추론
* vLLM 등 고처리량 서빙 엔진과 호환
* 효율적인 배포를 위한 FP8 포맷 제공
## 활용 사례
### 복잡한 Q\&A
복잡한 다단계 추론 및 분석 쿼리를 처리합니다.
```text 입력 theme={null}
Compare transformer-based models and mixture-of-experts models
in terms of scalability and efficiency.
```
```text 출력 theme={null}
Transformer models scale by increasing parameter count and compute,
while MoE models improve efficiency by activating only a subset of
parameters per token...
MoE advantages:
1. Higher parameter capacity with lower compute cost
2. Better scalability across distributed systems
3. Improved efficiency for large-scale inference workloads
```
### 고급 코드 생성
프로덕션 수준의 코드 및 시스템 설계 설명을 생성합니다.
```text 입력 theme={null}
Design a scalable distributed task queue system using Python
and explain key components.
```
```text 출력 theme={null}
A scalable distributed task queue system can be built using components
such as a message broker (Redis/Kafka), worker nodes, and a task scheduler...
Key components:
- Producer: submits tasks
- Broker: queues tasks
- Worker: executes tasks
- Result backend: stores results
```
### 심층 분석 및 요약
문서에 대한 심층적 이해와 인사이트 추출을 수행합니다.
### 시각적 이해
멀티모달 추론을 통해 이미지를 분석하고 인사이트를 추출합니다.
## 파라미터
| 파라미터 | 타입 | 필수 | 기본값 | 설명 |
| ------------------- | ------- | -- | ----- | ------------------- |
| `messages` | array | 필수 | - | 채팅 기반 생성을 위한 메시지 목록 |
| `max_tokens` | integer | 선택 | - | 생성할 최대 토큰 수 |
| `temperature` | number | 선택 | 1 | 샘플링 온도 (0.0-2.0) |
| `top_p` | number | 선택 | 1 | 핵 샘플링 임계값 |
| `frequency_penalty` | number | 선택 | 0 | 토큰 빈도 페널티 |
| `presence_penalty` | number | 선택 | 0 | 토큰 존재 페널티 |
| `stream` | boolean | 선택 | false | 스트리밍 응답 활성화 |
## 모델 세부정보
| 속성 | 값 |
| -------- | ----------------------------------------------------------------------------------------------------------- |
| 컨텍스트 길이 | 262,144 |
| 최대 출력 길이 | 262,144 |
| 양자화 | fp8 |
| 입력 모달리티 | text, image (요청당 최대 1장) |
| 출력 모달리티 | text |
| 지원 기능 | tools, reasoning, streaming, vision, json\_mode, logprobs |
| 샘플링 파라미터 | min\_p, temperature, presence\_penalty, repetition\_penalty, stop, top\_p, top\_k, frequency\_penalty, seed |
## 시작하기
[AirCloud 계정](https://aieev.com)에서 API 키를 발급받습니다.
아래 코드에서 `YOUR_API_KEY` 자리에 실제 발급받은 키를 넣어 실행하세요. 언어별(Python, cURL, Node.js) 코드 예시를 선택할 수 있습니다.
```python Python theme={null}
import requests
response = requests.post(
"https://external.aieev.cloud:5007/ai/api/v1/chat/completions",
headers={
"Authorization": "Bearer YOUR_API_KEY",
"Content-Type": "application/json"
},
json={
"model": "qwen/qwen3.5-35b-a3b",
"messages": [{"role": "user", "content": "Hello!"}],
"temperature": 0.7
}
)
result = response.json()
print(result["choices"][0]["message"]["content"])
```
```bash cURL theme={null}
curl --request POST \
--url https://external.aieev.cloud:5007/ai/api/v1/chat/completions \
--header 'Authorization: Bearer YOUR_API_KEY' \
--header 'Content-Type: application/json' \
--data '{
"model": "qwen/qwen3.5-35b-a3b",
"messages": [{"role": "user", "content": "Hello!"}],
"temperature": 0.7
}'
```
```javascript Node.js theme={null}
const response = await fetch(
"https://external.aieev.cloud:5007/ai/api/v1/chat/completions",
{
method: "POST",
headers: {
"Authorization": "Bearer YOUR_API_KEY",
"Content-Type": "application/json"
},
body: JSON.stringify({
model: "qwen/qwen3.5-35b-a3b",
messages: [{ role: "user", content: "Hello!" }],
temperature: 0.7
})
}
);
const result = await response.json();
console.log(result.choices[0].message.content);
```
## 태그
`open-source` `conversational` `35B` `reasoning` `multilingual` `moe` `high-performance`