> 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/roboflow/roboflow-ko/deploy/supported-models/qwen3-5.md).

# Qwen3.5

Qwen3.5는 Alibaba의 비전-언어 모델 패밀리입니다. 이미지를 입력하고 텍스트 프롬프트를 받으면 텍스트 응답을 반환합니다. 두 개의 사전 학습된 체크포인트를 사용할 수 있습니다:

<table data-search="false"><thead><tr><th>별칭</th><th>매개변수</th></tr></thead><tbody><tr><td><code>qwen3_5-0.8b</code></td><td>0.8B</td></tr><tr><td><code>qwen3_5-2b</code></td><td>2B</td></tr></tbody></table>

## 정확도

공식 model card의 주요 비전-언어 벤치마크(비사고 모드) ([0.8B](https://huggingface.co/Qwen/Qwen3.5-0.8B), [2B](https://huggingface.co/Qwen/Qwen3.5-2B)):

<table data-header-hidden data-search="false"><thead><tr><th></th><th></th><th></th></tr></thead><tbody><tr><td>벤치마크</td><td><code>qwen3_5-0.8b</code></td><td><code>qwen3_5-2b</code></td></tr><tr><td>MMMU</td><td>47.4</td><td>64.2</td></tr><tr><td>MathVista (mini)</td><td>58.6</td><td>73.9</td></tr><tr><td>MMBench (EN v1.1)</td><td>68.0</td><td>81.3</td></tr></tbody></table>

## 추론 속도

다음 기준으로 측정한 지연 시간 [Roboflow Inference](https://inference.roboflow.com/) 1x NVIDIA L4에서 배치 크기 1로, 고정 프롬프트에서 greedy decoding을 사용해 정확히 128개의 토큰을 생성할 때의 결과입니다. 지연 시간은 출력 길이에 따라 증가하므로, 다른 길이를 추정할 때는 tokens/sec를 사용하세요.

<table data-search="false"><thead><tr><th>별칭</th><th>지연 시간, 128 토큰(ms)</th><th>Tokens/sec</th></tr></thead><tbody><tr><td><code>qwen3_5-0.8b</code></td><td>3307</td><td>39</td></tr><tr><td><code>qwen3_5-2b</code></td><td>3688</td><td>35</td></tr></tbody></table>

## Workflows를 통해 Qwen 3.5 VL 사용하기

Qwen 3.5 VL은 사전 구성된 [Workflow](/roboflow/roboflow-ko/workflows/what-is-workflows.md) Models page의 "Open-Source Models" 탭에서 사용할 수 있습니다. "Qwen VL"을 선택하고, 모델 변형과 프롬프트를 고른 다음, "Test API"를 클릭하여 Workflow를 Workspace에 포크하고 추론을 시작합니다.

이 Workflow는 통합된 `qwen_vlm@v1` 블록을 사용하며, 여러 Qwen VL 세대를 지원합니다:

<table data-search="false"><thead><tr><th>모델</th><th>매개변수</th></tr></thead><tbody><tr><td>Qwen 3.5 VL 0.8B</td><td>0.8B</td></tr><tr><td>Qwen 3.5 VL 2B</td><td>2B</td></tr><tr><td>Qwen 3 VL 2B</td><td>2B</td></tr><tr><td>Qwen 2.5 VL 7B</td><td>7B</td></tr></tbody></table>

## Inference SDK를 통해 Qwen 3.5 VL 사용하기

{% hint style="info" %}
Qwen3.5에 대한 직접 Inference SDK 호출에는 [Dedicated Deployment](/roboflow/roboflow-ko/deploy/dedicated-deployments.md) 또는 [자체 호스팅 Inference](https://inference.roboflow.com/)호스팅된 액세스를 사용하려면 위에서 설명한 Workflow 경로를 사용하세요.
{% endhint %}

{% stepper %}
{% step %}

### API Key를 받으세요

Roboflow 계정을 만들고, 다음에서 키를 찾으세요: [Roboflow API 설정 페이지](https://app.roboflow.com/settings/api) 그리고 이를 셸에서 사용할 수 있도록 설정하세요:

```bash
export ROBOFLOW_API_KEY="your-key-here"
```

{% endstep %}

{% step %}

### 종속성을 설치하세요

다음을 설치하세요 [Inference SDK](https://inference.roboflow.com/):

```bash
pip install inference-sdk
```

{% endstep %}

{% step %}

### 모델을 실행하세요

설정 `api_url` 를 Dedicated Deployment URL 또는 로컬 Inference server에.

```python
import os
import cv2
import numpy as np
import requests
from inference_sdk import InferenceHTTPClient

content = requests.get("https://media.roboflow.com/quickstart/dog.jpeg").content
image = cv2.imdecode(np.frombuffer(content, np.uint8), cv2.IMREAD_COLOR)

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="이 이미지를 간단히 설명하세요.",
    max_new_tokens=256,
)
print(result["response"] )
```

{% endstep %}
{% endstepper %}

위의 코드는 모델 응답을 터미널에 출력합니다:

```
흰색 티셔츠와 빨간색 반바지를 입은 한 사람이 어깨에 검은색 백팩을 메고 있으며, 그 위에는 비글 개가 올라타 있습니다. 장면은 주거 지역의 야외에서 펼쳐지며, 배경에는 현대적인 아파트 건물들이 있고 인도 가장자리를 따라 녹지가 보입니다. 그 사람은 큰 창문이 있는 건물 근처를 걷고 있거나 서 있는 것으로 보입니다.
```

<figure><img src="/files/13ee879cd237bf7598cd72ecbaf0674fb0123ca6" alt=""><figcaption></figcaption></figure>

{% hint style="info" %}
설정 `api_url` 을 배포 대상에 맞게 설정하세요:

* `http://localhost:9001` 로컬 [Inference](https://inference.roboflow.com/) 서버용입니다.
* 귀하의 [Dedicated Deployment](/roboflow/roboflow-ko/deploy/dedicated-deployments.md) 비공개 엔드포인트용 URL입니다.
  {% endhint %}

Roboflow에서 자신만의 Qwen3.5 체크포인트를 학습하고, 모델별 `{workspace}/{model-slug}` ID로 호출할 수 있습니다(참조 [Versions, Trainings, and Models](/roboflow/roboflow-ko/train/versions-trainings-and-models.md)).

{% embed url="<https://www.youtube.com/watch?v=Y8CR6IzLDaw>" %}