Qwen · 2026-02 · デンス · マルチモーダル
Qwen3.5 9B Base
Qwen3.5 9B Base は Qwen が 2026-02 に公開した グループ化クエリ注意（GQA） Transformer です。32 層、隠れ次元 4096、コンテキスト長 262,144 トークン。
層スタック
線形 ×24 注意機構 ×8 · 層数 32
主要スペック
| 開発元 | Qwen |
|---|---|
| 公開日 | 2026-02 |
| 総パラメータ | 7.9 B |
| コンテキスト | 262,144 tokens |
| 注意機構 | GQA (16:4) |
| 層数 | 32 |
| 隠れ次元 | 4,096 |
| 注意ヘッド | 16 |
| 語彙数 | 248,320 |
| 位置エンコーディング | learned/absolute |
| 正規化 | RMSNorm |
| 活性化関数 | silu |
| 学習精度 | bf16 |
| アーキテクチャクラス | Qwen3_5ForConditionalGeneration |
アーキテクチャ概要
注意機構
グループ化クエリ注意（GQA） — 16 q-heads / 4 kv-heads.
FFN / MoE
デンスモデルであり、全 7.9B のパラメータがすべてのトークンの計算に参加します。
設定にはデコード高速化のためのマルチトークン予測（MTP）層が 1 個含まれます。
フィールド単位の比較
同一開発元の前世代モデルと比較します。前世代がない場合は構造最相似モデルと比較。倍数欄 = 本モデル ÷ 比較対象。
前世代 Qwen3.5 9B との全フィールド比較
| モデル | Qwen3.5 9B Base | Qwen3.5 9B | 倍数 |
|---|---|---|---|
| model_type | qwen3_5 | qwen3_5 | ＝ |
| architectures | Qwen3_5ForConditionalGeneration | Qwen3_5ForConditionalGeneration | ＝ |
| hidden_size | 4096 | 4096 | ≈1 |
| num_hidden_layers | 32 | 32 | ≈1 |
| num_attention_heads | 16 | 16 | ≈1 |
| num_key_value_heads | 4 | 4 | ≈1 |
| head_dim | 256 | 256 | ≈1 |
| intermediate_size | 12288 | 12288 | ≈1 |
| hidden_act | silu | silu | ＝ |
| max_position_embeddings | 262144 | 262144 | ≈1 |
| rms_norm_eps | 0.000001 | 0.000001 | ≈1 |
| vocab_size | 248320 | 248320 | ≈1 |
| image_token_id | 248056 | 248056 | ≈1 |
| tie_word_embeddings | false | false | ＝ |
| transformers_version | 4.57.0.dev0 | 4.57.0.dev0 | ＝ |
| video_token_id | 248057 | 248057 | ≈1 |
| vision_end_token_id | 248054 | 248054 | ≈1 |
| vision_start_token_id | 248053 | 248053 | ≈1 |
| attention_bias | false | false | ＝ |
| attention_dropout | 0 | 0 | ＝ |
| attn_output_gate | true | true | ＝ |
| dtype | bfloat16 | bfloat16 | ＝ |
| eos_token_id | 248044 | 248044 | ≈1 |
| full_attention_interval | 4 | 4 | ≈1 |
| initializer_range | 0.02 | 0.02 | ≈1 |
| layer_types | linear_attention×24 + full_attention×8 | linear_attention×24 + full_attention×8 | ＝ |
構造が最も近いモデル
- Qwen3.5 9B (Qwen, 2026-02) 1.000
- Qwen3.5 27B (Qwen, 2026-02) 0.990
- Llama 2 70B (Meta, 2023-07) 0.956
- Hunyuan-TurboS 7B (Hunyuan, 2026-05) 0.894
- Llama 3.1 8B (Meta, 2024-07) 0.892
- Qwen3.6 27B (Qwen, 2026-04) 0.892
類似度は 0（共通のカテゴリ特徴なし）から 1（構造プロファイルが完全に一致）の範囲です。
config.json の全フィールド
35 フィールド
| architectures | Qwen3_5ForConditionalGeneration |
|---|---|
| image_token_id | 248056 |
| model_type | qwen3_5 |
| tie_word_embeddings | false |
| transformers_version | 4.57.0.dev0 |
| video_token_id | 248057 |
| vision_end_token_id | 248054 |
| vision_start_token_id | 248053 |
| attention_bias | false |
| attention_dropout | 0 |
| attn_output_gate | true |
| dtype | bfloat16 |
| eos_token_id | 248044 |
| full_attention_interval | 4 |
| head_dim | 256 |
| hidden_act | silu |
| hidden_size | 4096 |
| initializer_range | 0.02 |
| intermediate_size | 12288 |
| layer_types | linear_attention×24 + full_attention×8 |
| linear_conv_kernel_dim | 4 |
| linear_key_head_dim | 128 |
| linear_num_key_heads | 16 |
| linear_num_value_heads | 32 |
| linear_value_head_dim | 128 |
| max_position_embeddings | 262144 |
| mtp_num_hidden_layers | 1 |
| mtp_use_dedicated_embeddings | false |
| num_attention_heads | 16 |
| num_hidden_layers | 32 |
| num_key_value_heads | 4 |
| rms_norm_eps | 0.000001 |
| use_cache | true |
| vocab_size | 248320 |
| mamba_ssm_dtype | float32 |