Qwen3.5-397B-A17B

Die Flaggschiff-Generation: hybrid-MoE, nativ multimodal, 201 Sprachen

Qwen3.5-Generation (2026)

Das Qwen3.5-397B-A17B Modell im Überblick

Qwen3.5-397B-A17B ist Alibabas Flaggschiff-Generation nach der Qwen3-Next-Architekturlinie. Das Hybrid-MoE kombiniert lineare Attention (Gated Delta Networks) mit einem dünn besetzten MoE (512 Experten, 11 aktiv) und ist nativ multimodal. Mit 397 Milliarden Parametern total, nur 17 Milliarden aktiv, deutlich erweiterter Mehrsprachigkeit (201 Sprachen) und einem bis zu 1-Million-Token-Kontext richtet es sich an anspruchsvollste Open-Weight-Anwendungen.

Name:

Qwen3.5-397B-A17B

Entwickler:

Alibaba (Qwen-Team)

Veröffentlichung:

Februar 2026

Lizenz:

Apache 2.0 (offene Gewichte)

Verfügbarkeit:

Hugging Face

Modelltyp:

Hybrid-MoE, nativ multimodal (Vision-Language)

Parameter:

397 Mrd. total (17 Mrd. aktiv)

Architektur:

60 Layer, Gated DeltaNet + sparse MoE (512 Experten, 11 aktiv)

Kontextlänge:

262.144 nativ, bis 1.010.000 via YaRN

Spezialitäten von Qwen3.5

Neue Flaggschiff-Generation

Baut auf der effizienten Qwen3-Next-Architekturlinie auf.

201 Sprachen

Deutlich erweiterte Mehrsprachigkeit (zuvor 119 Sprachen).

Nativ multimodal

Early-Fusion-Training auf Text, Bild und Video. Übertrifft laut Qwen die Qwen3-VL-Modelle.

Offene Gewichte

Die Basisversion ist frei verfügbar (Apache 2.0). Eine gehostete Plus-Variante ergänzt sie.

Thinking als Standard

Qwen3.5 denkt per Voreinstellung; der Qwen3-Umschalter /think und /nothink entfällt, die Steuerung läuft über API-Parameter.

Benchmarks & Leistung

Offizielle Angaben aus der Qwen3.5 Model-Card (Auswahl):

Benchmark	Qwen3.5-397B-A17B	Kategorie
MMLU-Pro	87,8	Wissen
GPQA	88,4	Wissen/Reasoning
SWE-bench Verified	76,4	Coding
LiveCodeBench v6	83,6	Coding
AIME 2026	91,3	Mathematik
MMMU	85,0	Multimodal
OmniDocBench 1.5	90,8	Dokumente
MultiChallenge	67,6	Instruktionsbefolgung

Quelle: offizielle Qwen3.5 Hugging-Face-Model-Card.

Individuelle KI-Beratung

Ist Qwen3.5 das passende Modell für Sie?

Als Frontier-Open-Weight braucht Qwen3.5 ernsthafte Infrastruktur. Wir planen Auslegung und Betrieb mit Ihnen.

Die Post-Training Pipeline für Qwen3.5-397B-A17B

Trainingsdaten & Trainingsprozess

Qwen3.5 verbindet lineare Attention (Gated Delta Networks) mit einem sparsamen MoE für ein optimiertes Verhältnis aus Geschwindigkeit und Kosten – bei nur 17 Milliarden aktiven von 397 Milliarden Parametern.

Die gehostete Plus-Variante bietet standardmäßig ein 1-Million-Token-Kontextfenster. Die offene Basisversion unterstützt nativ 262.144 Token, erweiterbar per YaRN.

Hardware & Deployment

vLLM / SGLang mit Hybrid-Attention-Support
Großes MoE → Multi-GPU-Server (H100/H200), FP8/Quants nötig
17 Mrd. aktive Parameter halten die Rechenlast moderat; 397 Mrd. Weights sind speicherintensiv

Anwendungsfälle

Empfohlene Anwendungsfälle

Für High-End-Assistenten und multimodale Produkte.

High-End-Assistenten

Long-Context-RAG

Agenten-Workflows

Multimodale Anwendungen

Mehrsprachige Produkte (201 Sprachen)

Qwen3.5-397B-A17B

Stärken & Schwächen von Qwen3.5-397B-A17B

Stärken

Flaggschiff-Qualität als Open-Weight

Bis 1M-Kontext

Nativ multimodal und sehr mehrsprachig

Offen unter Apache 2.0

Schwächen & Einschränkungen

Schwächen bei harter Mathematik / sehr langem Kontext

Hoher Infrastrukturbedarf

Neue Architektur erfordert aktuelles Tooling

Umstieg von Qwen3 erfordert Anpassung: kein /think-Umschalter mehr

Mit dem richtigen Modell Ergebnisse maximieren

Frontier-Open-Weight aus Deutschland

Wir hosten Qwen3.5 auf passender Cluster-Infrastruktur und betreiben es DSGVO-konform für Ihre anspruchsvollsten Anwendungen.