> 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-hi/language-models/qwen35.md). # Qwen3.5 Clore.ai पर Alibaba Qwen3.5 चलाएँ — सबसे नया फ्रंटियर मॉडल (फ़रवरी 2026) Qwen3.5, जो 16 फ़रवरी 2026 को जारी हुआ, Alibaba का नवीनतम फ्लैगशिप मॉडल है और 2026 की सबसे चर्चित ओपन-सोर्स रिलीज़ों में से एक है। यह **397B MoE फ्लैगशिप** ने HMMT गणित बेंचमार्क पर Claude 4.5 Opus को पीछे छोड़ दिया, जबकि छोटा **35B डेंस मॉडल** एक अकेले RTX 4090 पर फिट हो जाता है। सभी मॉडल एजेंटिक क्षमताओं (टूल उपयोग, फ़ंक्शन कॉलिंग, स्वायत्त कार्य निष्पादन) और मल्टीमोडल समझ के साथ बिना किसी अतिरिक्त सेटअप के आते हैं। ## मुख्य विशेषताएँ * **तीन आकार**: 9B (डेंस), 35B (डेंस), 397B (MoE) — हर GPU के लिए कुछ न कुछ * **Claude 4.5 Opus को पीछे छोड़ता है** HMMT गणित बेंचमार्क पर * **स्वाभाविक रूप से मल्टीमोडल**: पाठ + छवि समझ * **एजेंटिक क्षमताएँ**: टूल उपयोग, फ़ंक्शन कॉलिंग, स्वायत्त वर्कफ़्लोज़ * **128K संदर्भ विंडो**: बड़े दस्तावेज़ और कोडबेस संभालें * **Apache 2.0 लाइसेंस**: पूर्ण व्यावसायिक उपयोग, कोई प्रतिबंध नहीं ## मॉडल वेरिएंट | मॉडल | पैरामीटर | प्रकार | VRAM (Q4) | VRAM (FP16) | ताकत | | ------------ | -------- | ------ | --------- | ----------- | -------------------------- | | Qwen3.5-9B | 9B | डेंस | 6GB | 18GB | तेज़, कुशल | | Qwen3.5-35B | 35B | डेंस | 22GB | 70GB | एकल GPU के लिए सर्वश्रेष्ठ | | Qwen3.5-397B | 397B | MoE | \~100GB | 400GB+ | फ्रंटियर-स्तरीय | ## आवश्यकताएँ {% hint style="warning" %} **Clore.ai मार्केटप्लेस पर मल्टी-GPU 80GB-श्रेणी के रिग सूचीबद्ध नहीं हैं।** आज सूचीबद्ध सबसे बड़े बॉक्स 4× RTX PRO 6000 Blackwell (प्रत्येक 96GB, कुल 380GB) और 8–11× RTX 5090 (प्रत्येक 32GB) हैं। A100 / H200 / B200 क्षमता को अनुरोध पर [बेयर मेटल](https://clore.ai/bare-metal) के रूप में बेचा जाता है। जाँचें [GPU मूल्य निर्धारण एवं उपलब्धता](/guides/guides_v2-hi/getting-started/pricing.md) को किसी डिप्लॉयमेंट का आकार तय करने से पहले। {% endhint %} | घटक | 9B (Q4) | 35B (Q4) | 397B (मल्टी-GPU) | | ----- | ------------- | ------------- | ---------------- | | GPU | RTX 3080 10GB | RTX 4090 24GB | 4× H100 80GB | | VRAM | 8GB | 22GB | 320GB+ | | RAM | 16GB | 32GB | 128GB | | डिस्क | 15GB | 30GB | 250GB | **अनुशंसित Clore.ai GPU**: 35B के लिए RTX 4090 24GB ($0.14–0.42/घं.) — कीमत के मुकाबले सर्वोत्तम गुणवत्ता ## Ollama के साथ त्वरित शुरुआत ```bash # Ollama इंस्टॉल करें curl -fsSL https://ollama.com/install.sh | sh # 9B — किसी भी चीज़ पर चलता है (8GB VRAM) ollama run qwen3.5:9b # 35B क्वांटाइज़्ड — RTX 4090 (24GB) की ज़रूरत होती है ollama run qwen3.5:35b # API सर्वर के रूप में ollama serve & curl http://localhost:11434/v1/chat/completions \\ -H "Content-Type: application/json" \\ -d '{ "model": "qwen3.5:35b", "messages": [{"role": "user", "content": "इसे हल करें: यदि f(x) = x^3 - 3x + 1 है, तो सभी वास्तविक मूल ज्ञात करें"}] }' ``` ## vLLM सेटअप (प्रोडक्शन) ```bash pip install vllm # एकल GPU पर 35B vllm serve Qwen/Qwen3.5-35B-Instruct \\ --max-model-len 32768 \\ --gpu-memory-utilization 0.90 # लंबे संदर्भ के साथ 9B vllm serve Qwen/Qwen3.5-9B-Instruct \\ --max-model-len 65536 # मल्टी-GPU क्लस्टर पर 397B 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 # 35B को 24GB में फिट करता है ) messages = [ {"role": "system", "content": "आप एक सहायक गणित ट्यूटर हैं."}, {"role": "user", "content": "साबित करें कि 2 का वर्गमूल अपरिमेय है।"} ] 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)) ``` ## एजेंटिक / टूल उपयोग उदाहरण ```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": "Clore.ai पर GPU मॉडल की वर्तमान किराया कीमत प्राप्त करें", "parameters": { "type": "object", "properties": { "gpu_model": {"type": "string", "description": "GPU मॉडल का नाम, जैसे RTX 4090"} }, "required": ["gpu_model"] } } }] response = client.chat.completions.create( model="qwen3.5:35b", messages=[{"role": "user", "content": "7B मॉडल चलाने के लिए मैं सबसे सस्ता कौन-सा GPU किराए पर ले सकता हूँ?"}], tools=tools, tool_choice="auto" ) # Qwen3.5 उपयुक्त पैरामीटर के साथ get_gpu_price को कॉल करेगा print(response.choices[0].message) ``` ## Clore.ai पर Qwen3.5 क्यों? 35B मॉडल संभवतः **एक अकेले RTX 4090 पर चलाने के लिए सबसे अच्छा मॉडल है**: * गणित और तर्क में Llama 4 Scout को पीछे छोड़ता है * एजेंटिक कार्यों में Gemma 3 27B को पीछे छोड़ता है * टूल उपयोग / फ़ंक्शन कॉलिंग बिना किसी अतिरिक्त सेटअप के काम करती है * Apache 2.0 = लाइसेंस की कोई झंझट नहीं RTX 4090 के लिए $0.14–0.42/घं. पर, आपको एक कॉफ़ी की कीमत में फ्रंटियर-स्तरीय AI मिलता है। ## Clore.ai उपयोगकर्ताओं के लिए सुझाव * **35B सबसे अच्छा संतुलन है**: RTX 4090 Q4 पर फिट हो जाता है, और अधिकांश 70B मॉडलों से बेहतर प्रदर्शन करता है * **बजट के लिए 9B**: यहाँ तक कि RTX 3060 ($0.03–0.07/घं.) भी 9B मॉडल को अच्छी तरह चलाता है * **त्वरित शुरुआत के लिए Ollama का उपयोग करें**: सर्व करने के लिए एक कमांड; OpenAI-संगत API शामिल है * **एजेंटिक वर्कफ़्लोज़**: Qwen3.5 टूल उपयोग में उत्कृष्ट है — स्वचालन के लिए फ़ंक्शन कॉलिंग के साथ मिलाएँ * **नया मॉडल = कम कैश्ड**: पहली डाउनलोड में समय लगता है (\~35B के लिए \~20GB). अपने वर्कलोड शुरू होने से पहले प्री-पुल करें ## समस्या निवारण | समस्या | समाधान | | ----------------------- | ----------------------------------------------------------------------------------- | | 24GB पर 35B OOM | इस्तेमाल करें `load_in_4bit=True` या कम करें `--max-model-len` | | Ollama मॉडल नहीं मिला | Ollama अपडेट करें: `curl -fsSL https://ollama.com/install.sh \| sh` | | पहले अनुरोध पर धीमा | मॉडल लोड होने में 30-60 सेकंड लगते हैं; बाद के अनुरोध तेज़ होते हैं | | टूल कॉल काम नहीं कर रहे | सुनिश्चित करें कि आप पास करें `tools` पैरामीटर; केवल instruct वेरिएंट का उपयोग करें | ## अधिक पढ़ें * [Qwen ब्लॉग](https://qwenlm.github.io/) * [HuggingFace मॉडल](https://huggingface.co/Qwen) * [Ollama लाइब्रेरी](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 by asking a question. Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters: ``` GET https://docs.clore.ai/guides/guides_v2-hi/language-models/qwen35.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case. 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.