Qwen3.5 9B
Zuletzt geprüft:
Souveränität und Hosting
Dieses Modell ist als Referenz katalogisiert. Es wird noch nicht bei LLM EU gehostet, und kein Endpunkt aus erster Hand bedient es hier. Anfragen dazu gehen direkt an den Anbieter, zu dessen eigenen Bedingungen.
Zusammenfassung
Es ist ein Basis-Checkpoint ohne Instruct-Abstimmung. Qwen3.5 9B wird von Alibaba Qwen als offene Gewichte mit 9,7B Parameter unter Apache-2.0 veröffentlicht. Es nimmt Text und Bilder entgegen und antwortet in Text. Die veröffentlichte Konfiguration verzeichnet kein Kontextfenster; diese Karte führt daher keines. Das Repository wurde im Februar 2026 angelegt und liegt auf Hugging Face. Die Karte ist reiner Katalog: LLM EU betreibt dieses Modell nicht. Der Anbieter nennt auf der Modellseite keine Sprachabdeckung.
Technische Daten
- Anbieter
- Alibaba Qwen (CN)
- Kontextfenster
- Nicht verifiziert: Der Anbieter hat diese Angabe nicht belegt.
- Modellparameter
- 9.7B
- Modalitäten
- text, vision
- Lizenz
- apache-2.0 · licence
- Offene Gewichte
- yes
- Veröffentlichungsdatum
- 27. Feb. 2026
- Aufgaben
- Bildverstehen, Mehrsprachiger Support, Schlussfolgern
Sprachen
Stark: —
Ausreichend: —
Stark
Ausreichend
Nicht verifiziert: Der Anbieter hat diese Angabe nicht belegt. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.
Wann einsetzen
Stärken
- open weights are published on Hugging Face and can be downloaded without a vendor agreement
- Apache-2.0 licence, so commercial self-hosting is permitted without a separate agreement
- at 9.7B parameters it fits on a single accelerator
Grenzen
- catalogue only — LLM EU does not run this model, and nothing on this card implies an LLM EU endpoint
- no evaluation has been run by LLM EU
- the published configuration records no context window, so the card carries none
- at 9.7B parameters, the weights fit on a single modest accelerator
- vision checkpoints are heavier to serve than their parameter count alone suggests, because the image encoder and pre-processing run alongside the language model