Qwen3.5 397B A17B (Reasoning)

Ulasan Lengkap

Qwen3.5 397B A17B (Reasoning) adalah iterasi reasoning dari keluarga Qwen3.5 Alibaba yang dirancang dengan arsitektur Mixture-of-Experts (MoE) hybrid — total 397 miliar parameter, hanya 17 miliar aktif per token. Pola MoE seperti ini jadi tren utama frontier reasoning 2026: memadukan kapasitas model besar dengan efisiensi inferens, sehingga biaya per token turun signifikan tanpa mengorbankan kualitas penalaran. Varian (Reasoning) menunjukkan mode inferens yang di-tuning khusus untuk penalaran multi-langkah — berbeda dari varian dasar Qwen3.5 yang bermain di kuadran generik.

Dalam pengujian editorial Wawasan AI, Qwen3.5 397B A17B (Reasoning) menunjukkan DNA laboratorium yang matang untuk pekerjaan engineering: penalaran multi-langkah cukup untuk task standar, eksekusi tool dalam loop yang stabil, dan kemampuan coding yang menonjol di kelas harganya. Untuk pipeline software engineering — refactor multi-file, code review rutin, dan iterasi agentic standar — model ini kompeten, dengan coding index 48,2 di benchmark Artificial Analysis yang menjadi nilai jual utamanya. Yang paling terasa dibanding frontier papan atas adalah konsistensi di workload coding standar: model jarang keluar jalur pada iterasi tool-use panjang, dan output code-nya bersih tanpa banyak polishing. (Sumber: Artificial Analysis.)

Soal angka, intelligence index 33,7 di benchmark Artificial Analysis menaruh Qwen3.5 397B A17B di papan tengah proprietary reasoning — di bawah Qwen3.6 Max Preview (51,8), GLM-5.2 (51,1), MiMo-V2.5-Pro (53,8), dan Qwen3.7 Plus (53,3), tapi sejajar dengan MiMo-V2-Pro (40,3) dan di atas open-weight pada umumnya. Coding index 48,2 menjadi pembeda utama model ini — melampaui Claude Opus 4.5 (42,9) dan mendekati GLM-5.2 (68,8) di kelas coding, meski di intel yang lebih rendah. Throughput output 51,1 tokens/detik dan TTFT 1,832 detik menempatkannya di tier sedang — responsif untuk alur kerja agentic dan pipeline batch, tapi bukan pilihan optimal untuk antarmuka chat real-time dengan streaming UI yang butuh sub-detik. Harga API $0,60 per juta token input dan $3,60 output bermain di kuadran paling efisien untuk proprietary reasoning — dibanding GLM-5.2 ($1,40/$4,40) atau Qwen3.6 Max Preview ($1,30/$7,80), A17B jauh lebih rasional di output, menjadikannya opsi menarik bagi developer yang menjalankan pipeline volume-tinggi.

Kelemahan yang teridentifikasi: intelligence index 33,7 masih di bawah frontier papan atas untuk penalaran murni — untuk riset mendalam atau penalaran filosofis, Claude Opus 4.5 dan GPT-5 masih memimpin dengan jarak yang jelas. Arsitektur MoE 397B juga membawa overhead engineering: deployment lokal butuh VRAM besar (≥200GB dengan kuantisasi 4-bit) untuk inferens penuh, berbeda dengan dense model kelas menengah yang lebih ringan. Juga, akses API regional lewat Bailian/Model Studio Alibaba Cloud — meski punya tier gratis, untuk pemakaian serius tetap butuh kartu pembayaran internasional, dan ekosistem plugin pihak ketiga (LangChain, LlamaIndex) masih minim dibanding OpenAI atau Anthropic. Strategi pemakaian yang masuk akal: Qwen3.5 397B A17B (Reasoning) untuk pipeline engineering coding-sentris volume-tinggi — code generation multi-file, refactor arsitektur, dan iterasi agentic standar; untuk penalaran terberat atau riset, frontier papan atas tetap lebih layak; untuk deployment lokal yang fleksibel, keluarga Qwen3 open-weight masih lebih rasional.