Qwen3.5-397B-A17B

Qwen3.5-397B-A17B est un LLM open-weights de Qwen, publié le 16 février 2026 sous licence Apache 2.0 avec usage commercial autorisé. Son profil combine une très grande taille totale, 397 milliards de paramètres, et seulement 17 milliards de paramètres actifs, avec une fenêtre de contexte étendue à 262 144 tokens.

Le modèle se positionne surtout comme une option très économique : ses tarifs sont annoncés 80% sous la moyenne des LLM similaires et environ 12,6 fois inférieurs à ceux des modèles frontière. À sa sortie, il se situait dans le top 5% sur GPQA parmi les LLM de sa génération.

Caractéristiques

Indices de synthèse

Indices Artificial Analysis. Le rang situe le modèle parmi tous les LLM du catalogue disposant de l'indice.

Performances (benchmarks)

« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.

Comment se situe-t-il ?

Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.

Classements Arena (Elo)

Tarifs

Prix en dollars US par million de tokens.

Sa tarification se situe 80 % en dessous de la moyenne des LLM similaires, et 12,6 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).

Coût & vitesse agentiques

Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.

Entraînement & empreinte

Notre analyse

Forces. Qwen3.5-397B-A17B ressort particulièrement sur les tâches Benchable de connaissances générales, de classification d’e-mails et d’éthique, où il atteint le top 10. Ses résultats en raisonnement et en mathématiques restent solides, ce qui indique un modèle capable de traiter des tâches structurées plutôt qu’un simple assistant conversationnel généraliste. Le Code Index le place dans une zone compétitive de son panel, et son Arena Code confirme un niveau utile pour les usages de programmation. Sa très longue fenêtre de contexte constitue aussi un atout concret pour l’analyse de documents volumineux, de bases de connaissances ou de conversations longues.

Limites et points d'attention. L’Intelligence Index le situe plutôt en milieu haut de tableau, sans le placer au niveau des meilleurs modèles généralistes. L’Agentic Index est nettement moins favorable, ce qui invite à la prudence pour les scénarios d’agents autonomes, de planification longue ou d’enchaînement d’actions. Le benchmark Hallucinations reste moins distinctif en rang relatif que ses meilleurs scores Benchable, malgré un résultat élevé. Les classements Arena text et Arena vision indiquent aussi un positionnement honorable, mais pas dominant. Qwen3.5-397B-A17B convient surtout aux déploiements sensibles au coût, nécessitant open-weights, usage commercial et long contexte, avec des attentes mesurées sur l’autonomie agentique.

Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Artificial Analysis (artificialanalysis.ai) · Arena.ai (arena.ai) · Epoch AI (epoch.ai), CC-BY-4.0 · Benchable.ai (benchable.ai).