Qwen (Alibaba)

Qwen (Alibaba)

by Qwen (Alibaba)

Qwen is Alibaba's family of AI models, with strong performance in reasoning, code, and multilingual support. It brings together open and large-scale models widely adopted in enterprise applications.

Input price
$2.00/1M
Output price
$6.00/1M
Released
Sep 2, 2026
Intelligence
34

Solution Overview

The Qwen family is one of the broadest among open models: it ranges from small models that run on a single GPU to large-scale versions, with variants specialized in code and vision. The open weights allow fine-tuning and execution on your own infrastructure.

Learn about Qwen (Alibaba)

5 topics · 4 min read
Read guide
01What is Qwen and what is it used for?02Who is Qwen for?03What are the main features of Qwen?04Is Qwen worth it? Pros and cons05What are the alternatives to Qwen?

What is Qwen and what is it used for?

Qwen is the family of language and multimodal models developed by the Qwen team at Alibaba Cloud, with open weights published on Hugging Face and ModelScope and API access through Alibaba Cloud Model Studio.

The official repository describes the series as language models from the Qwen team at Alibaba Cloud. Several models have open weights to download and run on your own infrastructure. With the launch of the Qwen3 series, the team states that all its open-weight models use the Apache 2.0 license.

The same family covers different tasks:

  • General-purpose language models, with versions that reason before answering.
  • Qwen-VL, which reads images and video together with text.
  • Qwen-Omni, which combines text, image, audio and video.
  • Qwen-Coder, for code.
  • Embedding and reranking models, for search.
  • Qwen-Image, for images.

Through the Model Studio API, the documentation describes an interface compatible with the OpenAI chat format and lists models in a commercial version and an open version.

Who is Qwen for?

Qwen is for technical teams that want open-weight models to run on their own, and for teams that prefer to consume the models through an API compatible with the OpenAI chat format.

Usage profiles that the official pages support:

  • Teams that need to run the model inside their own infrastructure: the weights are on Hugging Face and ModelScope, with FP8 and GGUF variants listed in the collections.
  • Products that read images and video, with the Qwen-VL family, or that combine text, image, audio and video, with Qwen-Omni.
  • Software engineering teams, with the Qwen-Coder family.
  • Search teams, with Qwen's embedding and reranking models.
  • Anyone using the Model Studio API, which the documentation describes as compatible with the OpenAI chat format.

Practical prerequisites. For open weights you need GPUs and your own inference stack, and you must read each model's license: the team declares Apache 2.0 for the open models of the Qwen3 series, but in the previous generation the 3B and 72B sizes fell outside that standard. For the API, endpoints vary by region (Beijing, Singapore and the United States, in Virginia), and you must pick the one that matches your account.

What are the main features of Qwen?

The main features of Qwen are open weights across several families, models that reason through the API, multimodal input (image, video and audio), code models, and search models.

What the official pages and the Hugging Face collections list:

  • General-purpose language models, dense and mixture-of-experts, with instruction and reasoning variants.
  • Qwen-VL: a collection of vision-language models, with Instruct, Thinking, FP8 and GGUF variants.
  • Qwen-Omni: an end-to-end omni-modal model, with Instruct, Thinking and Captioner variants, under Apache 2.0 according to the repository.
  • Qwen-Coder: the code-focused version of the series.
  • Embedding and reranking, including a multimodal version, under Apache 2.0 according to the repository.
  • Qwen-Image: an image family, whose repository appears with a license other than Apache 2.0.
  • The Model Studio API, compatible with the OpenAI chat format, with a page on deep thinking models.
  • Quantized variants for local execution.

The team separates open-weight models from models available only through the API.

Is Qwen worth it? Pros and cons

Qwen is worth it for anyone who wants to choose among many sizes and modalities of open-weight models, and it requires attention from anyone who needs a single license for everything.

Strengths:

  • There are families for language, vision, audio, code, embedding and image within the same lab.
  • The open models of the Qwen3 series use Apache 2.0, according to the Qwen team.
  • Weights sit on Hugging Face and ModelScope, with quantized FP8 and GGUF variants for running locally.
  • The Model Studio API is compatible with the OpenAI chat format.

Points to watch:

  • The license is not uniform: in the previous generation, the 3B and 72B sizes fell outside Apache 2.0, and Qwen-Image appears with another license.
  • Part of the releases stay API-only: the team separates open-weight models from models reachable only as a service.
  • API endpoints vary by region (Beijing, Singapore, United States), and picking the wrong one hurts the integration.
  • The number of families and variants means reading the right collection before downloading.

What are the alternatives to Qwen?

The alternatives to Qwen are other labs that publish language models through an API, with or without open weights.

  • DeepSeek: an API in the OpenAI and Anthropic formats, with weights on Hugging Face and an MIT license on the R1 and V3 cards.
  • Z.ai: an API compatible with the OpenAI format, weights on Hugging Face for earlier models under an MIT license, and image and video models.
  • Mistral AI: an API in the OpenAI format and models split by task, such as Codestral, Mistral OCR and Voxtral.
  • Meta (Llama): a model family with weights available for download, under Meta's own license.
  • Cohere: an enterprise focus, with Embed and Rerank for search and VPC or on-premises deployment.

The most useful comparison is by modality. For vision and audio with open weights, look at each family's coverage. For code, compare Qwen-Coder with Mistral AI's Codestral and Devstral. In every case, check the license of the exact model before commercial use.

Key metrics

$2.00/1M

Input price

$6.00/1M

Output price

1.94s

Latency (p50)

38 tok/s

Throughput

Other Qwen (Alibaba) models

Qwen3.8 Max (0902)
34$2.00$6.00
Qwen3.8 27B (Xhigh)
20$0.50$3.00
QwQ 32B
10$0.00$0.00
Qwen3 Next 80B A3B (Reasoning)
—$0.00$0.00
Qwen3.6 Max Preview
—$0.00$0.00
Qwen3.5 122B A10B (Non-reasoning)
—$0.40$3.20
Qwen3.8 Max
—$2.00$6.00
Qwen3.8 27B (Medium)
—$0.50$3.00

Model recommendation

A quick pick by use case, based on benchmark data.

Most capable

Qwen3.8 Max (0902)

General reasoning, analysis and writing

Intelligence34
Best value

Qwen3.8 27B (Xhigh)

Most intelligence per dollar

Price$1.13/1M
Fastest

Qwen3.5 4B (Reasoning)

Lowest response latency

Latency0.55s

Documents & Terms

Support materials and legal terms for this solution

Guia técnico e recursos de integração

External Link

Open

Documentação oficial e orientações de uso

External Link

Open

Terms of Use

Review the terms of use and privacy policy for Qwen (Alibaba).

View terms

Other AI providers

OpenAI

OpenAI oferece modelos e APIs para criar aplicações que trabalham com linguagem, imagens, áudio e ferramentas. Conheça recursos, documentação e critérios de avaliação para escolher a solução com informações verificáveis.

43 models
Mistral AI

Mistral AI: modelos de linguagem e plataforma de IA para equipes de engenharia e desenvolvimento de IA. Conheça recursos, documentação oficial, critérios de avaliação e condições de uso.

35 models
Google Gemini

Google Gemini: assistente e modelos de IA do Google. Responde a instruções e perguntas para apoiar atividades de pesquisa e elaboração de conteúdo. Ajuda a estruturar textos e ideias que precisam de revisão humana antes da utilização.

34 models
SpaceXAI

A SpaceXAI, antes xAI, desenvolve a família Grok e oferece APIs para incorporar recursos de inteligência artificial às aplicações.

29 models
Meta AI

Meta AI: modelos e pesquisa de inteligência artificial para equipes de pesquisa e desenvolvimento de IA. Conheça recursos, documentação oficial, critérios de avaliação e condições de uso.

25 models
Z AI (Zhipu)

Z AI (Zhipu) oferece modelos da família GLM e interfaces de desenvolvimento para construir aplicações de inteligência artificial.

23 models

Frequently Asked Questions

Qwen (Alibaba) é uma solução de modelos de inteligência artificial voltada a desenvolver aplicações de linguagem, programação e análise multimodal com a família de modelos da Alibaba. Para avaliar sua adequação, relacione os recursos documentados às atividades e aos requisitos reais da sua equipe.

Qwen is Alibaba's family of AI models, delivering strong performance in reasoning, code, and multilingual support. It brings together open models and large-scale versions widely adopted in enterprise applications.

There is no single list price: it varies by plan and usage volume. Through Nexforce, the quote is provided on request, invoiced in BRL (Brazilian Reais) with Nota Fiscal (Brazilian tax invoice).

Qwen (Alibaba) is available for Brazilian companies through the Nexforce Marketplace. Simply request a quote on the product page; Nexforce issues the invoice in BRL with a Nota Fiscal (Brazilian tax invoice) and manages import tax compliance.

Compare o modelo de cobrança, os limites da edição, o esforço de implantação e os custos de manutenção do Qwen (Alibaba). Consulte as condições atuais do fornecedor e solicite no Nexforce Marketplace uma avaliação de disponibilidade comercial, faturamento local e serviços, sem presumir benefícios incluídos.

Ready to save up to 50% on Qwen (Alibaba)?

Simulate your savings or talk to our specialists for a quote.

Solution Reviews

4.3

9 reviews

5
78%
4
0%
3
11%
2
0%
1
11%

Top Reviews

View All Reviews

Qwen em serviços de IA na China: Alibaba Cloud

Meu veredito sobre o Qwen é direto: para serviços de IA na China, ele faz sentido dentro do ecossistema do Alibaba Cloud, que lidera o país e segue crescendo rápido na Ásia-Pacífico. Azure e AWS não entregam Managed Kubernetes nem serviços avançados de IA na China do mesmo jeito, porque operam via parceiro e não liberam a tecnologia. O Qwen entra nessa lógica como a camada de IA que um time sério consegue usar sem depender desse arranjo indireto. Qwen na China: serviços de IA dentro do Alibaba Cloud No meu uso do Qwen como referência para serviços de IA na China, a primeira constatação é que não existe atalho fora do Alibaba Cloud. O Qwen não flutua sozinho: ele pertence a uma operação que lidera o mercado chinês e que trata IA avançada como parte da infraestrutura local. Quando comparo com Azure e AWS, a diferença aparece no nível do acesso. Essas duas nuvens atuam por meio de parceiros na China, e esse parceiro não quer abrir a tecnologia. Para quem precisa de Managed Kubernetes e de serviços avançados de IA no mesmo ambiente, isso muda a conversa. O Qwen, nesse contexto, é o nome que eu levaria para uma avaliação séria, porque a alternativa fica dependente de uma camada indireta que não controla o stack. Não vejo o Qwen como um aplicativo isolado, mas como parte de uma decisão de plataforma que prioriza o que é realmente entregue na China. Azure e AWS via parceiro: o impacto real no Qwen Quando coloco Azure e AWS na mesma mesa do Qwen, o ponto não é marca, é controle de tecnologia. As duas operam na China por meio de um parceiro que não quer entregar o conhecimento técnico, então recursos como Managed Kubernetes e serviços avançados de IA não chegam do mesmo modo. Para o Qwen, isso reforça uma escolha prática: se a operação precisa de IA avançada e de infraestrutura gerenciada no país, o caminho real é o Alibaba Cloud. Eu não trataria o Qwen como um detalhe separado dessa conta. Ele entra como parte do pacote que faz o Alibaba Cloud ser a única opção séria para quem quer operar na China sem depender de uma camada parceira. A diferença fica clara quando o time precisa de previsibilidade e não quer descobrir no meio do projeto que o recurso não está disponível localmente. O Qwen, nesse cenário, ganha peso porque está do lado da tecnologia que é efetivamente entregue, não do arranjo indireto. Qwen e o crescimento rápido na Ásia-Pacífico O Alibaba Cloud também cresce rápido na Ásia-Pacífico, e isso importa para o Qwen. Uma operação que já lidera na China e avança na região tende a sustentar serviços de IA com mais consistência do que uma nuvem que depende de parceiro local. No meu critério, o Qwen se beneficia desse movimento porque a base de infraestrutura e de serviços avançados está no mesmo fornecedor. Não estou falando de um recurso isolado, mas de uma camada de IA que acompanha a expansão do Alibaba Cloud. Para quem olha a Ásia-Pacífico como mercado, o Qwen é a peça que eu colocaria na lista curta ao lado do Alibaba Cloud, não como alternativa a Azure ou AWS, mas como parte de uma escolha que prioriza o que está disponível de verdade na China. O crescimento rápido da região reduz a sensação de aposta e aumenta a consistência do Qwen para serviços de IA. Minha conclusão sobre o Qwen é que ele não deve ser separado da decisão de nuvem. Na China, o Alibaba Cloud lidera, cresce rápido na Ásia-Pacífico e é a única opção séria para quem precisa de Managed Kubernetes e serviços avançados de IA. Azure e AWS ficam via parceiro e não liberam a tecnologia. O Qwen, nesse desenho, é a camada de IA que faz sentido para quem quer operar com o que é entregue de fato, sem depender de um arranjo indireto que limita o acesso.

Como a Qwen entrega escalabilidade em IoT e Big Data

No meu uso da Qwen em uma operação que mistura projetos de IoT e Big Data, o que mais pesou foi a escalabilidade. Eu precisava de performance constante e de uma base que não travasse quando o volume de dados crescia. A Qwen respondeu bem nesse cenário, e a combinação com a nuvem pública da Alibaba Cloud facilitou a rotina entre Europa e China, incluindo CEN e ICP filing. Foi uma experiência positiva pela consistência, não por promessa vazia. Escalabilidade em projetos de IoT e Big Data No dia a dia, a Qwen se encaixou melhor quando o projeto de IoT passou a gerar mais eventos e o Big Data exigiu consultas mais pesadas. Eu não queria uma ferramenta que só funcionasse bem no piloto; queria manter a mesma performance quando a base crescesse. A Qwen manteve a resposta estável nesse ponto, e eu consegui acompanhar as cargas sem refazer toda a arquitetura a cada aumento de volume. Também notei que a escalabilidade não vem de um botão mágico. A Qwen precisa de configuração coerente com o tipo de dado e com a latência aceitável para cada fluxo. No meu caso, separar o que era leitura recorrente do que era processamento mais pesado ajudou a manter a operação previsível. A performance ficou consistente, e eu passei a confiar mais na Qwen para os testes de crescimento do projeto. O ganho prático foi não ter de trocar de plataforma quando o cenário de IoT e Big Data ficou mais exigente. A Qwen continuou atendendo, e a curva de ajuste foi menor do que eu esperava. Isso, para mim, é o tipo de escalabilidade que importa: a que aparece quando o projeto deixa de ser pequeno. CEN e ICP filing na operação entre Europa e China Para mim, o diferencial de operar com a Qwen ficou claro quando o fluxo precisou atravessar Europa e China. A camada de nuvem pública da Alibaba Cloud, com CEN e ICP filing, deu o suporte que eu precisava para manter a operação dentro do esperado. A Qwen não substitui essa estrutura, mas o uso combinado fez a rotina ficar mais direta. O ponto do CEN foi importante porque eu não queria lidar com rotas improvisadas entre regiões. O ICP filing também pesou, já que a operação na China exige cuidado com a documentação e com a entrada do serviço. Com a Qwen apoiando a parte de processamento e a Alibaba Cloud sustentando a rede, eu consegui manter o projeto mais previsível e reduzir retrabalho. Na prática, a Qwen entrou como a ferramenta que eu já acompanhava no dia a dia, enquanto a infraestrutura da Alibaba Cloud resolveu a ponte entre os dois mercados. Essa combinação me deu segurança para continuar o projeto de IoT e Big Data sem tratar Europa e China como operações separadas. Performance em nuvem pública para quem opera na China A performance que eu observei com a Qwen não foi só de velocidade de resposta. Foi a sensação de que a operação não perdia ritmo quando o volume de dados subia e quando a coleta de IoT ficava mais intensa. Eu testei cenários de carga e notei que a Qwen mantinha o comportamento esperado, sem exigir uma reconfiguração completa a cada pico. O Big Data foi o outro lado dessa história. Com mais dados entrando, eu precisava de consistência para não tomar decisão em cima de processamento atrasado. A Qwen respondeu bem nesse ambiente, e a nuvem pública da Alibaba Cloud ajudou a manter a base disponível. Não foi um ganho abstrato: foi a diferença entre acompanhar o projeto e ficar apagando incêndio. Para quem opera na China, a Qwen faz mais sentido quando existe uma estrutura de nuvem madura por trás. No meu caso, CEN e ICP filing foram parte do pacote que tornou a experiência viável. A performance da Qwen ficou boa o suficiente para eu continuar usando, e a escalabilidade apareceu como o ponto mais forte da avaliação. Minha avaliação da Qwen é positiva porque ela sustentou o que eu precisava em um cenário de IoT e Big Data com operação entre Europa e China. A escalabilidade foi o ponto que mais me convenceu, e a performance se manteve previsível quando o volume cresceu. A combinação com a nuvem pública da Alibaba Cloud, incluindo CEN e ICP filing, fechou o contexto para mim. Eu continuaria usando a Qwen nesse tipo de projeto e recomendaria para quem tem uma operação parecida.

Qwen e Alibaba Cloud: integração Terraform rápida

Minha avaliação do Qwen passa pelo uso da Alibaba Cloud para montar uma solução multi-cloud em uma única região com Terraform. O ponto que mais pesou foi a rapidez do suporte ao resolver bugs no plugin Terraform da Alibaba Cloud, algo que fez diferença no meu fluxo. Também recomendo o ElasticSearch gerenciado, que, na minha comparação prática, entregou melhor resultado que a AWS. Para mim, a combinação entre serviço gerenciado e atendimento rápido sustentou a confiança no ambiente. Suporte rápido no plugin Terraform da Alibaba Cloud Quando comecei a montar a solução com Terraform, o plugin da Alibaba Cloud apresentou bugs que travaram partes do meu fluxo. Não foram falhas que eu consegui resolver sozinho de imediato, então acionei o suporte. O retorno veio rápido e ajudou a destravar o que eu precisava, o que mudou minha percepção sobre o atendimento. Em vez de ficar preso em tentativas isoladas, consegui seguir com a configuração e validar o que já tinha planejado. Esse episódio foi importante porque mostra que a rapidez do suporte não é um detalhe pequeno quando se trabalha com Terraform. O plugin precisa acompanhar o ritmo da infraestrutura, e qualquer bug atrapalha a entrega. No meu caso, o suporte entrou como parte da solução, não como um canal distante. A experiência com Qwen também me deixou mais atento a esse tipo de retorno, porque eu valorizo quem responde de forma objetiva quando o ambiente exige correção. ElasticSearch gerenciado na comparação com a AWS Outro ponto que ficou claro no meu uso foi a recomendação do ElasticSearch gerenciado da Alibaba Cloud. Na comparação prática com a AWS, o serviço gerenciado da Alibaba Cloud entregou melhor resultado para o que eu precisava. Não estou falando de uma avaliação superficial: foi a percepção de quem estava montando a solução e testando o ambiente com Terraform. O ElasticSearch gerenciado reduz a necessidade de cuidar de detalhes operacionais que costumam consumir tempo. No meu cenário, isso ajudou a manter o foco na integração e no funcionamento da solução multi-cloud. A AWS aparece como referência de comparação, mas a preferência pelo serviço da Alibaba Cloud ficou evidente no relato. Para quem usa Qwen e depende de serviços gerenciados, esse tipo de diferença pesa na escolha final. Solução multi-cloud em uma única região com Terraform Montei minha solução multi-cloud em uma única região usando Terraform, e esse foi o eixo de toda a experiência. A ideia de concentrar a operação em uma região simplificou o desenho, mas também deixou claro que o plugin da Alibaba Cloud precisava responder bem. Foi nesse contexto que os bugs apareceram e que o suporte rápido fez diferença. A combinação entre Terraform, Alibaba Cloud e ElasticSearch gerenciado formou a base do que eu precisava no dia a dia. Não foi um processo sem atritos, mas os problemas foram tratados e eu consegui seguir com a solução. No fim, a experiência com Qwen ficou marcada por essa montagem prática, pelo suporte ágil e pela preferência pelo ElasticSearch gerenciado em relação à AWS. Minha conclusão sobre Qwen dentro desse cenário é positiva porque o suporte resolveu rápido os bugs do plugin Terraform e porque o ElasticSearch gerenciado da Alibaba Cloud se mostrou melhor que a AWS na minha comparação. A solução multi-cloud em uma única região continuou de pé depois dos ajustes, e isso me deu segurança para seguir usando Terraform no ambiente. Qwen entra nessa avaliação como o nome que eu associo a essa experiência prática, com atendimento ágil e serviço gerenciado confiável.

EP
Edwin Polycarpe·via trustpilot
View review
Qwen (Alibaba)