Qwen3.5-35B-A3B 长上下文
Qwen3.5-35B-A3B 是一款 35B 参数的 MoE 模型，每 token 只激活 3B，上下文窗口 262K。MoE 让它在保持 35B 知识库的同时，成本接近 3B 稠密模型 — 是 RAG 和长文档工作流的理想选择。价格为 每百万 token $0.13 输入 / $1.00 输出，是我们目录里每输入 token 最便宜的模型。
为什么适合 RAG
一次放进一份 500 页 PDF 或 200 个代码文件。如果检索到的语料能装下，就不需要激进切片；单次 RAG 简化了整条管线。
每百万输入 token $0.13 意味着一次 100K token 的 RAG prompt 成本 $0.013。同样 prompt 用 $0.24/1M 的 DeepSeek V3 则是 $0.024 — 贵 46%。
每 token 只激活 3B 参数，推理速度更接近 3B 稠密模型而非 35B 稠密模型。对于长输入工作流，这表现为每请求延迟明显更低。
快速上手：长文档问答
from openai import OpenAI
client = OpenAI(
base_url="https://api.quicksilverpro.io/v1",
api_key="sk-qsp-...",
)
# 加载一份长文档 — 比如已抽取为文本的 500 页 PDF
document = open("annual-report.txt").read() # ~180K tokens
resp = client.chat.completions.create(
model="qwen3.5-35b",
messages=[
{"role": "system", "content": "You answer questions using only the provided document."},
{"role": "user", "content": f"Document:\n{document}\n\nQuestion: What was free cash flow in Q3?"},
],
max_tokens=500,
)
print(resp.choices[0].message.content)
print(f"Input tokens: {resp.usage.prompt_tokens}, cost: ${resp.usage.cost:.4f}")一份 180K token 的文档 + 500 输出 token 的回答，单次查询成本为 $0.0234 + $0.0005 = 约 $0.024。同一查询在 DeepSeek V3 上（如果能装下）：$0.0432 + $0.00035 = $0.044。
RAG 管线模式
简单单次：如果检索到的上下文能装进 262K token，跳过重排序和分层摘要 — 一次性喂给 Qwen3.5-35B-A3B 就行。管线复杂度降低，延迟降低。
带检索：embed → top-K 检索 → 拼接为 50-100K token prompt → Qwen3.5-35B-A3B 回答。输入成本经济性倾向于使用更大的 top-K（更多上下文），因为输入 token 便宜。
先摘要后回答：对 >262K 的语料，先用 Qwen3.5-35B-A3B 分段摘要，再在摘要上作答。两轮处理仍比大多数替代方案便宜。
价格
| 模型 | 输入 / 1M | 输出 / 1M | 上下文 |
|---|---|---|---|
| Qwen3.5-35B-A3B | $0.13 | $1.00 | 262K |
| DeepSeek V3（对比） | $0.24 | $0.70 | 131K |
每输入 token 便宜 46%，Qwen3.5-35B-A3B 是 prompt 密集型 RAG 的默认选择。输出略贵于 V3，所以短 prompt 任务仍然偏向 V3。
常见问题
真的能在一个 prompt 里用 262K tokens 吗？
能。262,144 tokens 是公开的硬限制。长上下文表现（大海捞针）在约 200K 以内表现强劲；超过之后，细粒度查找任务的准确率可能下降。对关键检索，建议配合向量检索把最相关的片段放在 prompt 靠前位置。
"3B 激活 MoE" 是什么意思？
混合专家会把每个 token 只路由到模型参数的一个子集。Qwen3.5-35B-A3B 总参数 35B，但每 token 只激活 3B。每 token 计算量相当于 3B 稠密模型；知识容量接近 35B 模型。结果是比稠密 35B 更快、更便宜的推理，这也是长上下文工作负载特别合适的原因。
思考模式会影响成本吗？
Qwen3.5-35B-A3B 支持推理模式。在 QuickSilver Pro 上默认关闭推理模式，让输出简洁可预测 — 你不会为不必要的思考 token 付费。这符合大多数 RAG 和摘要工作负载的预期。
Qwen 支持工具调用吗？
通过 OpenAI tools API 支持。简单函数签名下工具调用可靠性不错；复杂的多工具代理循环下，DeepSeek V3 通常更可靠。实际选型前请针对你的具体代理进行基准测试。