Qwen3.5-9B-NVFP4

Qwen3.5-9B-NVFP4 属于 Qwen3.5 系列中的 9B 规模版本，名称后缀 NVFP4 指明它使用的是低比特浮点量化格式，而非全精度权重。发布方 ig1 负责量化与分发，模型权重开源、许可证为 apache-2.0，商用与二次分发的限制相对宽松。输入侧同时支持文本与图像，输出侧只产出文本，因此它解决的是“视觉理解 + 文本生成”这一类需求：读图、看截图、理解带图文档，再以文字作答。它真正要解决的工程问题是显存：9B 参数经过 NVFP4 压缩后，部署门槛显著低于同系列更大参数版本，使单卡或少量 GPU 的中小规模部署成为可能。需要说明的是，厂商未标注具体能力项，官方价格未公开，公开渠道也未见第三方跑分，因此它在精度、上下文长度、推理速度上的具体表现缺乏可比数据，选型时应以自有数据实测为准。

选型建议显存与成本优先、有能力自行运维 NVFP4 推理栈的图文理解场景可以选它；需要公开跑分背书、现成托管 API 或高难度推理时不宜选。

• 在自有 GPU 上部署图文问答服务，处理商品图、截图、票据等混合输入的理解请求
• 批量抽取图片中的文字与结构化字段，统一输出文本供后续流程使用
• 接入多模态流程作前置理解模块，先产出图像描述，再交由更大模型做深度处理
• 在显存受限的单卡环境做量化部署验证，评估 NVFP4 精度损失是否落在业务可接受范围

整体沿用 Qwen3.5 系列的 9B 规模主干，差异主要在权重精度与分发形态，而非结构层面的重设计。

• 结构沿用 Qwen3.5 系列的 9B 规模权重，以 NVFP4 低比特格式打包分发，保留文本与图像双输入通路，输出为纯文本。
• 能力可处理图文混合输入的理解类请求，参数量控制在 9B 便于单机部署；厂商未标注具体能力项，实际边界需自行验证。
• 披露权重开源、许可为 apache-2.0，商用限制较少；训练细节、上下文长度与评测结果均未公开，公开资料较少。

开源权重

是

许可证

apache-2.0

参数规模

9B

缺少公开跑分，只能从参数规模与量化格式做定性判断，精度与速度都应以本地实测为准。

• 强项9B 规模叠加 NVFP4 量化，显存占用明显低于同系列更大参数版本，适合在支持该格式的 GPU 上做单卡图文推理。
• 短板量化会带来精度损失，损失幅度缺少公开数据；相比 30B 级同类模型，复杂推理与细粒度视觉任务的上限更低。
• 适合以显存和成本为先、对精度容忍度较高的图文理解与批量处理任务，高难度推理场景不建议作为主力。

官方没有公开价格，成本主要体现为自托管的 GPU 资源投入，而不是按 token 计费的调用支出。

• 定位权重开源免费获取，真实成本在推理硬件与运维人力；没有 API 报价，预算需按自有资源折算。
• 横向对比同厂 Qwen3-VL-30B-A3B-Instruct-NVFP4 同样无公开报价，价差无法计算，只能按参数规模判断 9B 版部署门槛更低。
• 平台差价公开渠道尚未有平台接入该模型，暂无可比的多云报价，平台之间的价差无从谈起。
• 省钱调用量稳定且团队具备运维能力时，自建推理服务更划算；调用量小或波动大时，等托管平台上线报价再比较更稳妥。

• 口径能力项与价格均标注未公开，公开渠道也无第三方跑分，任何关于精度与性价比的判断都只能停留在定性层面。
• 边界NVFP4 需要相应硬件与推理栈支持，旧卡上可能无法直接加载或需回退精度；上下文长度等关键规格未披露。

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。