Todo sobre Qwen3.5 397B-A17B

Lo que hay que saber

Lanzado el 15 de febrero de 2026, Qwen3.5 397B-A17B es uno de los 12 modelos de Alibaba Cloud (Qwen) que seguimos en este sitio. Es un modelo de pesos abiertos: puede alojarlo usted mismo en una infraestructura que controla, y además lo ofrecen 35 proveedores de API recogidos en models.dev. Dispone de un modo de razonamiento: puede «pensar» antes de responder, lo que ayuda en problemas de varios pasos pero consume más tokens y, por tanto, más dinero. Tiene, por tanto, 8 meses a 22 de octubre de 2026.

Lo clasificamos entre los modelos de pesos abiertos (68 modelos de esta categoría en el sitio).

Lo que cuesta

Qwen3.5 397B-A17B cuesta 0,55 US$ por millón de tokens de entrada y 3,6 US$ por millón de tokens de salida (mediana de 35 proveedores, consulta del 22 de octubre de 2026).

En la práctica, una tarea de agente que lee 20 000 tokens y escribe 2000 cuesta unos 0,018 US$, es decir, 18,2 US$ por 1000 tareas de este tipo.

Son 3,6 veces el precio de salida mediano de los modelos de pesos abiertos (1 US$).

Para estimar su propio presupuesto, use la calculadora de coste de un agente.

¿Qué dicen las pruebas independientes?

Según los resultados publicados por Epoch AI (consulta del 22 de octubre de 2026), Qwen3.5 397B-A17B obtiene un índice de capacidad de 59,2 sobre 100, calculado con 4 pruebas de nuestra cesta.

No figura entre los 30 primeros del ranking semanal.

• GPQA Diamond (preguntas de ciencias de nivel doctorado): 86,4 % — el mejor modelo seguido, Gemini 4 Argon, alcanza 96,4 %
• OTIS Mock AIME (problemas de matemáticas de competición): 88,9 % — el mejor modelo seguido, GPT-5.5 Pro, alcanza 100 %
• FrontierMath (matemáticas de investigación muy difíciles): 31,2 % — el mejor modelo seguido, GPT-6 Astra, alcanza 93,7 %
• APEX-Agents (tareas profesionales realizadas por un agente): 24,9 % — el mejor modelo seguido, Gemini 4 Argon, alcanza 82,4 %

Contexto y capacidades

Su ventana de contexto alcanza 262.144 tokens, unas 393 páginas de texto a 500 palabras por página: suficiente para un informe largo o varios contratos a la vez. Una respuesta puede llegar a 8192 tokens.

Acepta como entrada: texto. Sus conocimientos llegan hasta julio de 2025: más allá, necesita búsqueda web o sus documentos.

Sabe llamar a herramientas (funciones, API) y devolver una salida estructurada en JSON, lo que lo convierte en una posible base para un agente de IA.

Los pesos están publicados en Hugging Face (Qwen/Qwen3.5-397B-A17B). Vea también nuestra selección de modelos open source.

¿A quién va dirigido?

Por su categoría, Qwen3.5 397B-A17B está pensado sobre todo para los proyectos en los que quiere controlar sus datos o el alojamiento, o adaptar el modelo a su sector.

Antes de adoptarlo, pruébelo con sus propios ejemplos: los benchmarks miden tareas estándar, no su oficio.

Modelos comparables

En la misma categoría, los modelos más cercanos a Qwen3.5 397B-A17B son:

• DeepSeek V3.2 (DeepSeek, índice 59,8)
• MiniMax-M3 (MiniMax, índice 55,5)
• Qwen3.6 35B-A3B (Alibaba Cloud (Qwen), índice 55,3)
• Kimi K2.7 Code (Moonshot AI, índice 66,7)