Qwen3.5

Exécutez Alibaba Qwen3.5 sur Clore.ai — le modèle frontière le plus récent (févr. 2026)

Qwen3.5, sorti le 16 février 2026, est le dernier modèle phare d'Alibaba et l'une des sorties open source les plus en vue de 2026. Le fleuron MoE de 397B a battu Claude 4.5 Opus sur le benchmark mathématique HMMT, tandis que le plus petit modèle dense de 35B tient sur une seule RTX 4090. Tous les modèles sont livrés d'emblée avec des capacités agentiques (utilisation d'outils, appel de fonctions, exécution autonome de tâches) et une compréhension multimodale.

Caractéristiques clés

• Trois tailles: 9B (dense), 35B (dense), 397B (MoE) — il y en a pour tous les GPU

• A battu Claude 4.5 Opus sur le benchmark mathématique HMMT

• Multimodal natif: Compréhension du texte et des images

• Capacités agentiques: Utilisation d'outils, appel de fonctions, flux de travail autonomes

• Fenêtre de contexte de 128K: Gère de grands documents et bases de code

• Licence Apache 2.0: Utilisation commerciale complète, sans restrictions

Variantes du modèle

Modèle	Paramètres	Type	VRAM (Q4)	VRAM (FP16)	Atout
Qwen3.5-9B	9B	Dense	6 Go	18 Go	Rapide, efficace
Qwen3.5-35B	35B	Dense	22 Go	70 Go	Meilleur sur une seule GPU
Qwen3.5-397B	397B	MoE	~100 Go	400 Go+	Niveau de pointe

Exigences

Les configurations multi-GPU de classe 80 Go ne sont pas répertoriées sur la place de marché Clore.ai. Les plus grosses machines listées aujourd'hui sont des 4× RTX PRO 6000 Blackwell (96 Go chacune, 380 Go au total) et des 8–11× RTX 5090 (32 Go chacune). La capacité A100 / H200 / B200 est vendue en serveur nu sur demande. Consultez Tarifs et disponibilité des GPU avant de dimensionner un déploiement.

Composant	9B (Q4)	35B (Q4)	397B (multi-GPU)
GPU	RTX 3080 10 Go	RTX 4090 24 Go	4× H100 80 Go
VRAM	8 Go	22 Go	320 Go+
RAM	16 Go	32 Go	128 Go
Disque	15 Go	30 Go	250 Go

GPU Clore.ai recommandé: RTX 4090 24 Go ($0.14–0.42/h) pour le 35B — le meilleur rapport qualité-prix

Démarrage rapide avec Ollama

# Installer Ollama
curl -fsSL https://ollama.com/install.sh | sh

# 9B — fonctionne sur tout (8 Go de VRAM)
ollama run qwen3.5:9b

# 35B quantifié — nécessite une RTX 4090 (24 Go)
ollama run qwen3.5:35b

# En tant que serveur API
ollama serve &
curl http://localhost:11434/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3.5:35b",
    "messages": [{"role": "user", "content": "Résous ceci : si f(x) = x^3 - 3x + 1, trouve toutes les racines réelles"}]
  }'

Configuration vLLM (production)

pip install vllm

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

# 9B avec long contexte
vllm serve Qwen/Qwen3.5-9B-Instruct \
  --max-model-len 65536

# 397B sur un cluster multi-GPU
vllm serve Qwen/Qwen3.5-397B-A45B-Instruct \
  --tensor-parallel-size 8 \
  --max-model-len 32768

Transformers HuggingFace

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  # S'adapte au 35B sur 24 Go
)

messages = [
    {"role": "system", "content": "Tu es un tuteur en mathématiques utile."},
    {"role": "user", "content": "Prouve que la racine carrée de 2 est irrationnelle."}
]

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))

Exemple agentique / utilisation d'outil

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": "Obtenir le prix de location actuel d'un modèle de GPU sur Clore.ai",
        "parameters": {
            "type": "object",
            "properties": {
                "gpu_model": {"type": "string", "description": "Nom du modèle de GPU, par ex. RTX 4090"}
            },
            "required": ["gpu_model"]
        }
    }
}]

response = client.chat.completions.create(
    model="qwen3.5:35b",
    messages=[{"role": "user", "content": "Quel est le GPU le moins cher que je peux louer pour faire tourner un modèle 7B ?"}],
    tools=tools,
    tool_choice="auto"
)

# Qwen3.5 appellera get_gpu_price avec les paramètres appropriés
print(response.choices[0].message)

Pourquoi Qwen3.5 sur Clore.ai ?

Le modèle 35B est sans doute le meilleur modèle que vous pouvez exécuter sur une seule RTX 4090:

• Bat Llama 4 Scout en mathématiques et en raisonnement

• Bat Gemma 3 27B sur les tâches agentiques

• L'utilisation d'outils / l'appel de fonctions fonctionne dès l'installation

• Apache 2.0 = aucun souci de licence

À 0,14–0,42 $/h pour une RTX 4090, vous obtenez une IA de niveau de pointe pour le prix d'un café.

Conseils pour les utilisateurs de Clore.ai

• Le 35B est le point idéal: Tient sur une RTX 4090 en Q4, surpasse la plupart des modèles 70B

• 9B pour les petits budgets: Même une RTX 3060 (0,03–0,07 $/h) fait bien tourner le modèle 9B

• Utilisez Ollama pour démarrer rapidement: Une seule commande pour servir ; API compatible OpenAI incluse

• Flux de travail agentiques: Qwen3.5 excelle dans l'utilisation d'outils — combinez-le avec l'appel de fonctions pour l'automatisation

• Modèle récent = moins en cache: Le premier téléchargement prend du temps (~20 Go pour le 35B). Pré-téléchargez avant le démarrage de votre charge de travail

Dépannage

Problème	Solution
OOM du 35B sur 24 Go	Utiliser load_in_4bit=True ou réduire --max-model-len
Modèle Ollama introuvable	Mettre à jour Ollama : curl -fsSL https://ollama.com/install.sh | sh
Lent à la première requête	Le chargement du modèle prend 30 à 60 s ; les requêtes suivantes sont rapides
Les appels d'outils ne fonctionnent pas	Assurez-vous de passer tools paramètre ; utilisez uniquement la variante instruct

Pour aller plus loin

• Blog Qwen

• Modèles HuggingFace

• Bibliothèque Ollama