> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-de/sprachmodelle/qwen35.md).

# Qwen3.5

Qwen3.5, veröffentlicht am 16. Februar 2026, ist Alibabas neuestes Flaggschiffmodell und eine der heißesten Open-Source-Veröffentlichungen des Jahres 2026. Das **397B MoE-Flaggschiff** schlug Claude 4.5 Opus im HMMT-Mathematik-Benchmark, während das kleinere **35B-dichte Modell** auf eine einzelne RTX 4090 passt. Alle Modelle verfügen von Haus aus über agentische Fähigkeiten (Werkzeugnutzung, Funktionsaufrufe, autonome Aufgabenausführung) und multimodales Verständnis.

## Hauptmerkmale

* **Drei Größen**: 9B (dense), 35B (dense), 397B (MoE) — für jede GPU etwas
* **Schlägt Claude 4.5 Opus** im HMMT-Mathematik-Benchmark
* **Nativ multimodal**: Text- + Bildverständnis
* **Agentische Fähigkeiten**: Werkzeugnutzung, Funktionsaufrufe, autonome Workflows
* **128K Kontextfenster**: Verarbeitet große Dokumente und Codebasen
* **Apache-2.0-Lizenz**: Volle kommerzielle Nutzung, keine Einschränkungen

## Modellvarianten

| Modell       | Parameter | Typ   | VRAM (Q4) | VRAM (FP16) | Stärke                   |
| ------------ | --------- | ----- | --------- | ----------- | ------------------------ |
| Qwen3.5-9B   | 9B        | Dense | 6GB       | 18GB        | Schnell, effizient       |
| Qwen3.5-35B  | 35B       | Dense | 22GB      | 70GB        | Bestes Single-GPU-Modell |
| Qwen3.5-397B | 397B      | MoE   | \~100GB   | 400GB+      | Frontier-Klasse          |

## Anforderungen

| Komponente | 9B (Q4)       | 35B (Q4)      | 397B (Multi-GPU) |
| ---------- | ------------- | ------------- | ---------------- |
| GPU        | RTX 3080 10GB | RTX 4090 24GB | 4× H100 80GB     |
| VRAM       | 8GB           | 22GB          | 320GB+           |
| RAM        | 16GB          | 32GB          | 128GB            |
| Festplatte | 15GB          | 30GB          | 250GB            |

**Empfohlene Clore.ai-GPU**: RTX 4090 24GB (\~0,5–2 $/Tag) für 35B — bestes Preis-Leistungs-Verhältnis

## Schnellstart mit Ollama

```bash
# Ollama installieren
curl -fsSL https://ollama.com/install.sh | sh

# 9B — läuft auf allem (8GB VRAM)
ollama run qwen3.5:9b

# 35B quantisiert — benötigt RTX 4090 (24GB)
ollama run qwen3.5:35b

# Als API-Server
ollama serve &
curl http://localhost:11434/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.5:35b",
    "messages": [{"role": "user", "content": "Löse dies: wenn f(x) = x^3 - 3x + 1, finde alle reellen Nullstellen"}]
  }'
```

## vLLM-Einrichtung (Produktion)

```bash
pip install vllm

# 35B auf einer GPU
vllm serve Qwen/Qwen3.5-35B-Instruct \
  --max-model-len 32768 \
  --gpu-memory-utilization 0.90

# 9B mit langem Kontext
vllm serve Qwen/Qwen3.5-9B-Instruct \
  --max-model-len 65536

# 397B auf einem Multi-GPU-Cluster
vllm serve Qwen/Qwen3.5-397B-A45B-Instruct \
  --tensor-parallel-size 8 \
  --max-model-len 32768
```

## HuggingFace Transformers

```python
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "Qwen/Qwen3.5-35B-Instruct"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    load_in_4bit=True  # Passt 35B auf 24GB
)

messages = [
    {"role": "system", "content": "Du bist ein hilfreicher Mathe-Nachhilfelehrer."},
    {"role": "user", "content": "Beweise, dass die Quadratwurzel von 2 irrational ist."}
]

input_ids = tokenizer.apply_chat_template(messages, return_tensors="pt").to(model.device)
output = model.generate(input_ids, max_new_tokens=2048, temperature=0.7, do_sample=True)
print(tokenizer.decode(output[0][input_ids.shape[-1]:], skip_special_tokens=True))
```

## Agentisches / Werkzeugnutzungs-Beispiel

```python
import json
from openai import OpenAI

client = OpenAI(base_url="http://localhost:11434/v1", api_key="ollama")

tools = [{
    "type": "function",
    "function": {
        "name": "get_gpu_price",
        "description": "Hole aktuellen Mietpreis für ein GPU-Modell auf Clore.ai",
        "parameters": {
            "type": "object",
            "properties": {
                "gpu_model": {"type": "string", "description": "GPU-Modellname, z. B. RTX 4090"}
            },
            "required": ["gpu_model"]
        }
    }
}]

response = client.chat.completions.create(
    model="qwen3.5:35b",
    messages=[{"role": "user", "content": "Was ist die günstigste GPU, die ich mieten kann, um ein 7B-Modell auszuführen?"}],
    tools=tools,
    tool_choice="auto"
)

# Qwen3.5 wird get_gpu_price mit den passenden Parametern aufrufen
print(response.choices[0].message)
```

## Warum Qwen3.5 auf Clore.ai?

Das 35B-Modell ist wohl das **beste Modell, das man auf einer einzigen RTX 4090 betreiben kann**:

* Schlägt Llama 4 Scout in Mathematik und Schlussfolgerungen
* Schlägt Gemma 3 27B bei agentischen Aufgaben
* Werkzeugnutzung / Funktionsaufrufe funktionieren direkt out of the box
* Apache 2.0 = keine Lizenzkopfschmerzen

Bei 0,5–2 $/Tag für eine RTX 4090 erhält man Frontier-Klasse-KI zum Preis eines Kaffees.

## Tipps für Clore.ai-Nutzer

* **35B ist der Sweet Spot**: Passt auf RTX 4090 Q4, übertrifft die meisten 70B-Modelle
* **9B für Budget**: Sogar eine RTX 3060 (\~0,15 $/Tag) betreibt das 9B-Modell gut
* **Verwende Ollama für den Schnellstart**: Ein Befehl zum Bereitstellen; OpenAI-kompatible API enthalten
* **Agentische Workflows**: Qwen3.5 glänzt bei Werkzeugnutzung — mit Funktionsaufrufen für Automatisierung kombinieren
* **Frisches Modell = weniger gecachet**: Der erste Download dauert; Vorab-Download vor Arbeitsbeginn empfohlen (\~20GB für 35B).

## Fehlerbehebung

| Problem                             | Lösung                                                                              |
| ----------------------------------- | ----------------------------------------------------------------------------------- |
| 35B OOM auf 24GB                    | Verwende `load_in_4bit=True` oder reduziere `--max-model-len`                       |
| Ollama-Modell nicht gefunden        | Ollama aktualisieren: `curl -fsSL https://ollama.com/install.sh \| sh`              |
| Langsam bei der ersten Anfrage      | Modell-Laden dauert 30–60s; nachfolgende Anfragen sind schnell                      |
| Werkzeugaufrufe funktionieren nicht | Stelle sicher, dass du `tools` Parameter übergibst; nur Instruct-Variante verwenden |

## Weiterführende Lektüre

* [Qwen-Blog](https://qwenlm.github.io/)
* [HuggingFace-Modelle](https://huggingface.co/Qwen)
* [Ollama-Bibliothek](https://ollama.com/library/qwen3.5)


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-de/sprachmodelle/qwen35.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.