Qwen 3.5 9B (Q4_K_M)

该模型属于 Qwen 系列，由 Atomic Chat 以开源权重形式发布，名称中的 Q4_K_M 表示它提供的是 4 位量化版本，便于在显存与内存有限的设备上加载。它要解决的核心问题是：让中等规模的通用模型以较低硬件门槛落地，同时保留较完整的能力面。输入侧支持文本与图像，输出为文本，可覆盖问答、文档处理、截图理解等常见任务；32768 tokens 的上下文窗口与 8192 tokens 的单次最大输出，使其能处理中长篇材料与较长的多轮对话。能力标签包含工具调用、附件输入与温度调节，说明它可被接入带外部工具的流程，而不只是单轮对话。官方标价输入与输出均为免费，本站收录平台为 1 家，同平台另有 MLX 4-bit 版本与 Gemma 4 E4B 量化版本可作参照。公开跑分缺失，实际水平建议结合具体任务实测判断。

选型建议需要本地、免费、可离线且带图像输入的中等负载场景可以选它；追求复杂推理、精确代码生成或需要跑分背书时不宜作为首选。

• 在本地设备部署离线文档问答，对中长篇资料做摘要与要点提取
• 上传截图或扫描件，提取其中的文字与结构化信息
• 接入工具调用，搭建轻量的本地 Agent 完成多步操作
• 为隐私敏感的内部资料提供不联网的问答与改写
• 作为开发阶段的低成本试验模型，验证提示词与流程设计

整体沿用 Qwen 系列的稠密模型思路，并以 4 位量化权重分发，重点在于让中等规模模型在本地设备上可运行，而非追求极限精度。

• 模型结构基于 Qwen 系列稠密架构的 9B 规模模型，Q4_K_M 为 4 位量化权重，主打在消费级显存与内存条件下本地推理，权重以开源形式发布。
• 多模态输入支持文本与图像两种输入，输出为纯文本，可用于看图问答、截图理解与文档图像信息提取，图像理解深度受模型规模限制。
• 上下文配置上下文窗口为 32768 tokens，单次最大输出为 8192 tokens，可容纳中长篇文档或较长的多轮对话，超出部分需要分段处理。
• 信息披露官方未公开详细训练数据与结构参数，本站也未收录第三方跑分，能力判断只能依托公开定性与实际试用。

开源权重

是

模型家族

qwen

从配置看，它的性能取向是良好的上下文余量和多模态输入，而非极限推理；量化形态也让实际表现与高精度权重存在差距。

• 强项32768 tokens 上下文与 8192 tokens 输出余量充足，配合工具调用可支撑文档摘要、多轮问答与多步流程编排，图像输入补上了截图类场景。
• 短板9B 规模叠加 4 位量化，在长链推理、复杂数学与高精度代码生成上通常弱于更大参数模型，且缺少公开跑分，水平需自行验证。
• 适合本地化、隐私敏感、可离线的中等复杂度任务，例如内部资料问答、会议记录整理与轻量 Agent 的工具调度。

官方标价输入与输出均为 0.0 美元/百万 tokens，本质上是开源权重加自行部署的成本结构，费用主要落在硬件与电力上。

• 定价定位输入与输出标价均为免费，权重开源可自行部署，因此没有按 token 计费的账单，成本转移到本地硬件、电力与运维。
• 横向对比同门 MLX 4-bit 版本与 Gemma 4 E4B 量化版本同为免费；DeepSeek R1 蒸馏系列按 token 收费，属于另一种成本模型。
• 平台差价本站仅收录 1 家平台，models.dev 与 atomic-chat 两个条目报价均为免费，不存在可比的平台价差，缓存读价格未提供。
• 省钱方式用本地量化推理替代按量付费接口，适合调用频次高但单次请求不复杂的场景，可显著压低长期边际成本。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 免费 / 免费（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 数据口径本站未收录该模型的公开跑分，能力描述仅依据模态、上下文与工具调用等配置，具体效果需在目标任务上实测。
• 使用边界上下文上限为 32768 tokens、单次输出上限为 8192 tokens，图像仅作输入、输出限文本；4 位量化相对高精度权重存在精度取舍。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。