> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/models/ja/supported-models/qwen3-5.md).
# Qwen3.5
Qwen3.5 は Alibaba の視覚言語モデルファミリーです。画像とテキストプロンプトを受け取り、テキスト応答を返します。2つの事前学習済みチェックポイントが利用できます:
エイリアス パラメータ qwen3_5-0.8b0.8B qwen3_5-2b2B
## Qwen3.5 の精度
公式モデルカードの注目視覚言語ベンチマーク（非思考モード）([0.8B](https://huggingface.co/Qwen/Qwen3.5-0.8B), [2B](https://huggingface.co/Qwen/Qwen3.5-2B)):
ベンチマーク qwen3_5-0.8bqwen3_5-2bMMMU 47.4 64.2 MathVista（mini） 58.6 73.9 MMBench（EN v1.1） 68.0 81.3
## Qwen3.5 の推論速度
レイテンシの計測条件: [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) 1 台の NVIDIA L4、バッチサイズ 1、固定プロンプトからグリーディーデコーディングでちょうど 128 トークンを生成した場合。レイテンシは出力長に応じて変化するため、他の長さの推定には tokens/sec を使用してください。
エイリアス レイテンシ、128 トークン (ms) トークン/秒 qwen3_5-0.8b3307 39 qwen3_5-2b3688 35
## ワークフローで Qwen3.5 を使う
Qwen 3.5 VL は、あらかじめ構成された [Workflow](https://docs.roboflow.com/workflows) モデルページの「Open-Source Models」タブで利用できます。「Qwen VL」を選択し、モデルバリアントとプロンプトを選んでから「Test API」をクリックすると、ワークフローをあなたのワークスペースにフォークして推論を開始できます。
このワークフローは統合された `qwen_vlm@v1` ブロックを使用しており、複数の Qwen VL 世代をサポートします:
モデル パラメータ Qwen 3.5 VL 0.8B 0.8B Qwen 3.5 VL 2B 2B Qwen 3 VL 2B 2B Qwen 2.5 VL 7B 7B
## Qwen3.5 API
{% hint style="info" %}
Qwen3.5 への直接推論 SDK 呼び出しには [専用デプロイメント](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments) または [セルフホスト推論](https://docs.roboflow.com/deployment/self-hosted/self-hosted)が必要です。ホスト型アクセスには、上記で説明したワークフローの手順を使用してください。
{% endhint %}
{% stepper %}
{% step %}
### API キーを取得する
Roboflow アカウントを作成し、キーを次の [Roboflow の API 設定ページ](https://app.roboflow.com/settings/api) で見つけて、シェルで利用できるようにします:
```bash
export ROBOFLOW_API_KEY="your-key-here"
```
{% endstep %}
{% step %}
### 依存関係をインストールする
次をインストールします: [Inference SDK](https://docs.roboflow.com/deployment/self-hosted/self-hosted):
```bash
pip install -U inference-sdk supervision
```
{% endstep %}
{% step %}
### モデルを実行する
次を設定します: `api_url` Dedicated DeploymentのURL、またはローカルのInferenceサーバーに設定します。
```python
import os
import supervision as sv
from inference_sdk import InferenceHTTPClient
image = sv.load_image_from_url("https://media.roboflow.com/quickstart/dog.jpeg")
client = InferenceHTTPClient(
api_url="https://your-deployment.roboflow.cloud",
api_key=os.environ["ROBOFLOW_API_KEY"],
)
result = client.infer_lmm(
image,
model_id="qwen3_5-2b",
prompt="この画像を簡潔に説明してください。",
max_new_tokens=256,
)
print(result["response"])
```
{% endstep %}
{% endstepper %}
上のコードは、モデルの応答を端末に出力します:
```
白いTシャツと赤いショートパンツを着た人物が、肩に黒いバックパックを担いでおり、その上にビーグル犬が乗っています。場面は住宅街の屋外で、背景には近代的なアパートの建物があり、歩道沿いには緑が広がっています。人物は大きな窓のある建物の近くを歩いているか、立っているように見えます。
```
" %}
## 自己ホスト型推論で Qwen3.5 を実行する
Qwen3.5 は、 [`inference`](https://docs.roboflow.com/deployment/self-hosted/self-hosted) パッケージを使って HTTP 経由ではなく直接読み込むこともできます。
{% stepper %}
{% step %}
### パッケージをインストール
```bash
pip install "inference[transformers]"
```
使用する `inference-gpu[transformers]` GPU マシン上で。
{% endstep %}
{% step %}
### モデルを実行する
```python
from inference.models.qwen3_5vl.qwen3_5vl_inference_models import (
InferenceModelsQwen35VLAdapter,
)
model = InferenceModelsQwen35VLAdapter(
model_id="qwen3_5-0.8b",
api_key="YOUR_API_KEY",
)
image = "https://media.roboflow.com/dog.jpeg"
prompt = "この画像には犬が何匹いますか？"
preprocessed, metadata = model.preprocess(image, prompt)
predictions = model.predict(preprocessed)
result = model.postprocess(predictions, metadata)
print(result[0].response)
```
{% endstep %}
{% endstepper %}
Qwen3.5 は「思考」モードもサポートしており、このモードではモデルが回答前に推論トークンを生成します。
### Workflows の実行モード
で使用される場合 [Workflow](https://docs.roboflow.com/workflows)、Qwen3.5 は次の2つのモードのいずれかで動作します:
* **ローカル実行**: モデルはあなたの Inference サーバー上で実行されます（GPU 推奨）。
* **リモート実行**: モデルはリモートの推論サーバー上で HTTP 経由で呼び出されます。