Qwen3.5 4B | EmpirioLabs AI Docs

POST /v1/chat/completions

Qwen3.5 4B 是一个低成本的多模态推理模型，拥有 256K 上下文、图像和视频输入、函数工具以及结构化输出。

一眼看

场地	价值
型号ID	`qwen3-5-4b`
车型发布日期	2026-03-02
输入模态	文本、图像、视频
输出模态	正文
上下文窗口	256K
重量精度	FP8权重 + FP8 KV
最大输出令牌	32,768
特色	推理、视觉、视频、function_calling、structured_output、缓存、多模态、json_mode、对数概率
本土推断	是的
新	是的
支持的端点	`POST /v1/chat/completions`，`POST /v1/responses`，`POST /v1/messages`，`POST /v1/completions`

定价

冲锋	规格	速率
输入	每100万个提示词标记	$0.04
输出	每100万个生成代币	$0.07
隐式缓存读取	每 1M 缓存输入标记	$0.02
网页搜索（Linkup）	每次调用时	$0.013

示例请求

$ curl https://api.empiriolabs.ai/v1/chat/completions \
>   -H 'Authorization: Bearer $EMPIRIOLABS_API_KEY' \
>   -H 'Content-Type: application/json' \
>   -d '{"model": "qwen3-5-4b", "messages": [{"role":"user","content":"Hello"}]}'

参数

参数	类型	必修	默认	描述
`temperature`	人数	不	`0.7`	采样温度。0是确定性的，2是最大随机性。·射程：0 – 2
`top_p`	人数	不	`0.95`	核抽样概率质量。较低的数值使输出更集中。·射程：0 – 1
`max_tokens`	整数	不	`4096`	最大输出令牌。·距离：1 – 32768
`stop`	弦	不	-	最多有4串字符串，模型会停止生成更多代币。
`reasoning_effort`	枚举	不	`"medium"`	推理努力。没有人能阻止思考;低、中、高和最高设定了有限的思维预算。·允许：`none`、`low`、`medium`、`high`、`max`
`enable_thinking`	布尔值	不	确实如此	在最终输出前启用模型推理通道。
`thinking_budget`	整数	不	`4096`	在最终答案前使用最多思考代币。如果max_tokens较低，服务为答案保留空间。·距离：1024 – 32768
`top_k`	整数	不	`20`	支持时，限制抽样仅限于顶K候选代币。·范围：1 – 200
`min_p`	人数	不	`0`	代币抽样的最小概率阈值。·射程：0 – 1
`presence_penalty`	人数	不	`0`	对已出现在生成文本中的代币进行惩罚。·射程：-2 – 2
`frequency_penalty`	人数	不	`0`	惩罚基于代币出现的频率。·射程：-2 – 2
`repetition_penalty`	人数	不	`1`	SGLang 用于减少重复文本的惩罚。·射程：0.1 – 2
`seed`	整数	不	-	可选的随机种子用于可复现抽样。·射程：0 – 2147483647
`logprobs`	布尔值	不	错误	支持时返回令牌日志概率。
`top_logprobs`	整数	不	-	返回最多这个数的顶级标记日志概率。·射程：0 – 20
`logit_bias`	对象	不	-	通过在抽样前添加正值或负值来偏向令牌ID。
`tools`	数组	不	-	兼容 OpenAI 的函数工具定义。
`tool_choice`	对象	不	-	兼容 OpenAI 的功能工具选择。
`response_format`	对象	不	-	结构化JSON输出指令。
`stream`	布尔值	不	错误	通过服务器发送的事件流式响应差异。
`web_search_linkup`	布尔值	不	错误	可选的网页搜索由Linkup提供。启用后，最近的网页源会通过最新的用户消息作为查询检索，并作为额外上下文提供给模型。在模型正常的代币成本基础上，每个请求都增加了固定$0.013。默认为禁用。
`disable_formatting`	布尔值	不	错误	启用后，网关不会在使用Linkup网页搜索的助理响应中附加“来源”脚部。当模型输出被传输到另一个不需要装饰的系统时，这很有用。

注释

默认支持文本、图像和视频输入、流媒体、函数工具、结构化JSON输出、种子控制和思维模式。用reasoning_effort或thinking_budget表示有界思考，或者用enable_thinking=false表示直接答案。自动缓存读取按模型服务报告时的缓存输入速率计费。不支持显式缓存控制。

Machine可读模式： GET https://api.empiriolabs.ai/v1/models/qwen3-5-4b。