智東西
作者 王涵
編輯 漠影

智東西2月16日報(bào)道，剛剛，Qwen3.5正式發(fā)布并開源，在多模態(tài)理解、復(fù)雜推理、編程、Agent智能體等幾大能力領(lǐng)先同級開源模型，多項(xiàng)基準(zhǔn)媲美甚至超越GPT-5.2、Gemini 3 pro等閉源第一梯隊(duì)。

Qwen3.5-Plus總參數(shù)為3970億，激活參數(shù)僅170億，性能超過萬億參數(shù)的Qwen3-Max模型，部署顯存占用降低60%，推理效率大幅提升，最大吞吐量可提升至19倍。

Qwen3.5上線后，我們馬不停蹄地問了它一道大模型的“腦筋急轉(zhuǎn)彎”：我要去洗車，洗車的地方離家就100米，我是開車去呢，還是走著去呢？

對于這道題，網(wǎng)友們測試了國內(nèi)國外各類大模型，鮮有模型答對。而Qwen3.5不僅識別出了題目中的邏輯陷阱，還用很幽默和輕松的語氣回答了正確的答案，并且給出了“開車慢行，確保安全”的溫馨提示。

回看Qwen3.5的思考過程，它遵循著分析需求、識別核心陷阱、制定答案、起草答案、內(nèi)部比較、最后打磨、思考其他可能、確定答案等一些列步驟，在其中還會像真人一樣“鼓勵(lì)自己”，堅(jiān)定自己的回答。

價(jià)格上，Qwen3.5-Plus的API價(jià)格是最低每百萬Token0.8元。同等性能下，這個(gè)價(jià)格僅相當(dāng)于Gemini-3-pro的1/18。

從Qwen2.5、Qwen3到Qwen3.5，過去兩年千問不斷迭代開源，每一代產(chǎn)品、每一個(gè)尺寸都在為行業(yè)制定新的天花板標(biāo)準(zhǔn)，“最強(qiáng)開源=千問”幾乎快成為共識。

但這一次，Qwen3.5的意義不止于“又刷新了一次榜單”。

一、讓草圖“一鍵變”網(wǎng)頁，千問進(jìn)化成原生多模態(tài)大模型

在解讀Qwen3.5背后的技術(shù)之前，我們先來看看Qwen3.5在實(shí)際應(yīng)用場景下的表現(xiàn)如何。智東西拿到搶先體驗(yàn)資格，率先對該模型的多模態(tài)理解、推理、以及代碼生成能力進(jìn)行了體驗(yàn)。

我們上傳了一張禮品購買App的前端頁面手繪草圖，要求Qwen3.5根據(jù)草圖生成紅白配色的簡約風(fēng)前端頁面，并輸出可以直接用的HTML代碼。

幾乎沒有思考時(shí)間，Qwen3.5先是識別出了草圖中的基本框架和文字信息，在紅白配色的模糊指令下，自主選擇了飽和度沒有那么高的紅色。生成的代碼簡潔可用，頁面也與草圖幾乎一模一樣。

還有一處小細(xì)節(jié)是，我們上傳的草圖是英文，而Qwen3.5根據(jù)上下文的問答和提問的語言，判斷出用戶應(yīng)該是中文用戶，自動將頁面語言調(diào)整為了中文。

在復(fù)雜場景與OCR能力方面，我隨手拍了一張含有多個(gè)物體和背景的照片，問Qwen3.5：今天的天氣怎么樣？這張圖片中都有什么？

可以看到模型可以在理解畫面的同時(shí)，準(zhǔn)確提取模糊的文字信息。這張圖片是背光，文字在陰影內(nèi)有些模糊不清，但Qwen3.5很準(zhǔn)確地識別出了圖片中的布洛芬顆粒沖劑、保濕霜以及酸奶的品牌，還貼心地附上了功效。

結(jié)合外面晴朗的天氣，Qwen3.5綜合判斷用戶正在家休息養(yǎng)生，并且給出了“希望天氣好心情也好，早日恢復(fù)活力！”的祝福。

最后，我們來看看Qwen3.5在藝術(shù)理解上面的能力。我們給Qwen3.5看一張西班牙畫家薩爾瓦多·達(dá)利的《記憶的永恒》，看看模型能不能識別出這幅畫的風(fēng)格派別和背景。

Qwen3.5提取出了這幅畫中的特點(diǎn)元素“融化的時(shí)鐘”，準(zhǔn)確回答出這幅畫的作者是薩爾瓦多·達(dá)利，并且將該作者的生平信息以及這幅畫的畫面材質(zhì)、創(chuàng)作時(shí)間、尺寸、收藏地等詳細(xì)信息都呈現(xiàn)給了用戶。此外，該模型還詳細(xì)介紹了這幅畫的主要元素和象征意義以及藝術(shù)地位，對美學(xué)和抽象概念的理解較強(qiáng)。

Qwen3.5可與OpenClaw集成，驅(qū)動編程任務(wù)。通過將OpenClaw作為第三方智能體環(huán)境集成，Qwen3.5 能夠進(jìn)行網(wǎng)頁搜索、信息收集和結(jié)構(gòu)化報(bào)告生成——它結(jié)合自身的推理與工具調(diào)用能力，以及OpenClaw的接口，為用戶帶來流暢的編碼和研究體驗(yàn)。

此外，Qwen3.5能夠作為視覺智能體，自主操作手機(jī)與電腦完成日常任務(wù)。在移動端，該模型已適配更多主流應(yīng)用，支持自然語言指令驅(qū)動操作；在PC端，Qwen3.5能處理跨應(yīng)用的數(shù)據(jù)整理、多步驟流程自動化等復(fù)雜任務(wù)，有效減少重復(fù)性人工干預(yù)，提升工作效率。

以Qwen3.5為底層模型，Qwen Code支持“vibe coding”，可將自然語言指令轉(zhuǎn)化為代碼、實(shí)時(shí)迭代開發(fā)項(xiàng)目，并支持如生成視頻等富有創(chuàng)意的任務(wù)。

整體體驗(yàn)下來，Qwen3.5在多模態(tài)能力方面真是下了狠功夫。這背后其實(shí)是千問團(tuán)隊(duì)在模型底層架構(gòu)的重構(gòu)，千問正式從“語言模型”進(jìn)化為“原生多模態(tài)大模型”。

二、原生全模態(tài)，讓模型像人一樣學(xué)習(xí)

業(yè)界普遍認(rèn)為，統(tǒng)一多模態(tài)是通往通用人工智能的必經(jīng)之路。但讓大模型真正”張開眼睛”，在統(tǒng)一架構(gòu)下同時(shí)提升語言和視覺能力，實(shí)現(xiàn)多模態(tài)信息的高效融合與協(xié)同生成，并非易事。

當(dāng)前行業(yè)中不少看起來“多模態(tài)”的方案，本質(zhì)上仍是“拼裝”——先訓(xùn)好語言模型“學(xué)說話”，再外掛視覺或音頻模塊，模塊之間靠適配層勉強(qiáng)對齊。

有的產(chǎn)品甚至只是在統(tǒng)一入口背后，通過工程路由將不同任務(wù)分發(fā)給不同模型。這些方案都沒有實(shí)現(xiàn)真正的多模態(tài)融合，且不少視覺理解模型會隨著視覺能力的增強(qiáng)，出現(xiàn)語言能力”降智”的問題。

Qwen3.5從一開始就選擇了一條鮮有人踏足的路。

從預(yù)訓(xùn)練第一天起，該模型就在海量的文本和視覺的混合數(shù)據(jù)上聯(lián)合學(xué)習(xí)，就像人類一樣，調(diào)用五官來綜合接收外界信息。

讓視覺與語言在統(tǒng)一的參數(shù)空間內(nèi)深度融合，模型看到一張圖就能自然理解其語義，讀到一段文字便能在腦中構(gòu)建對應(yīng)畫面。沒有“中間商賺差價(jià)”，沒有信息折損，真正具備像人一樣的跨模態(tài)的直覺理解力。

想要讓這種原生融合真正跑起來，就要有一個(gè)“人類大腦”，模型的訓(xùn)練架構(gòu)也必須跟著變。在這一點(diǎn)上，行業(yè)中的傳統(tǒng)做法是讓視覺和語言用同一套并行策略，效率損耗嚴(yán)重。

Qwen3.5的做法是各走各的最優(yōu)路徑，再在關(guān)鍵節(jié)點(diǎn)上高效匯合。這樣做的結(jié)果就是哪怕同時(shí)喂入文本、圖像、視頻三種數(shù)據(jù)，訓(xùn)練速度也幾乎不受影響，和只訓(xùn)練純文本時(shí)相當(dāng)。

同時(shí)，Qwen3.5通過定制化的FP8/FP32精度策略，使激活內(nèi)存占用降低約50%，訓(xùn)練速度提升10%。該策略已在強(qiáng)化學(xué)習(xí)訓(xùn)練與推理全流程統(tǒng)一應(yīng)用，有效降低了多模態(tài)模型規(guī)?；渴鸬某杀九c復(fù)雜度。

在智能體訓(xùn)練上，千問團(tuán)隊(duì)還搭建了一套大規(guī)模強(qiáng)化學(xué)習(xí)框架，支持文本、多模態(tài)與多輪對話等場景，訓(xùn)練效率提升了3至5倍。

原生多模態(tài)融合帶來的能力不止圖像理解，Qwen3.5可對圖像做像素級空間定位與代碼級精細(xì)處理，能理解2小時(shí)長視頻的時(shí)序與邏輯關(guān)系，可將手繪草圖轉(zhuǎn)為可運(yùn)行前端代碼，還能作為視覺智能體自主操作設(shè)備、跨應(yīng)用完成復(fù)雜任務(wù)。

三、四大核心突破，助力模型“以小勝大”

過去兩年，大模型行業(yè)普遍走上“堆參數(shù)、拼算力”的“大力出奇跡”路線，模型規(guī)模從千億一路攀升至萬億級別，性能雖有提升，但成本也隨之水漲船高。

部署需要專屬集群，推理消耗大量算力，不僅中小企業(yè)難以負(fù)擔(dān)，終端設(shè)備更是無法運(yùn)行。技術(shù)指標(biāo)不斷突破，可離普惠、實(shí)用的目標(biāo)反而越來越遠(yuǎn)。Qwen3.5換了一種思路：不比誰更大，而是比誰更聰明，比誰能用相對更小的模型獲得更大的智能。

具體來說，有四項(xiàng)核心技術(shù)突破共同支撐了這個(gè)結(jié)果：

一是混合注意力機(jī)制。傳統(tǒng)大模型在處理長文本時(shí)，需對每個(gè)token與全部上下文進(jìn)行全量注意力計(jì)算，文本長度越長，算力開銷就越高，這也是限制長上下文能力的關(guān)鍵瓶頸。

Qwen3.5采用混合注意力機(jī)制，可依據(jù)信息重要性動態(tài)分配注意力資源，實(shí)現(xiàn)主次分明，在提升效率的同時(shí)保證精度。

二是極致稀疏MoE架構(gòu)。傳統(tǒng)稠密模型在每一次推理時(shí)都要調(diào)動全部參數(shù)參與運(yùn)算，模型規(guī)模越大，對應(yīng)的算力成本也就越高。

而Qwen3.5的MoE架構(gòu)核心思路則在于，無需同時(shí)啟用所有參數(shù)，只需依據(jù)輸入內(nèi)容，按需激活與之最相關(guān)的“專家”網(wǎng)絡(luò)即可。

這樣的架構(gòu)，讓Qwen3.5有397B的總參數(shù)的情況下，激活參數(shù)僅需17B，相當(dāng)于僅需不到5%的算力，即可調(diào)動全部知識儲備。

三是原生多Token預(yù)測。千問團(tuán)隊(duì)讓模型在訓(xùn)練階段就學(xué)會了對后續(xù)多個(gè)位置進(jìn)行聯(lián)合預(yù)測，推理速度接近翻倍。在長文本生成、代碼補(bǔ)全、多輪對話等高頻場景中，模型的響應(yīng)速度接近“秒回”

四是系統(tǒng)級訓(xùn)練穩(wěn)定性優(yōu)化。2025年千問團(tuán)隊(duì)曾發(fā)表過一篇注意力門控機(jī)制的論文，還斬獲了NeurIPS 2025最佳論文獎(jiǎng)。

在這篇論文中，千問團(tuán)隊(duì)通過在注意力層的輸出端加入了一個(gè)“智能開關(guān)”，就像一個(gè)水龍頭，可以智能調(diào)控信息的“流量”。

這樣既可以防止有效信息被淹沒，也防止無效信息被過度放大，從而提升模型的輸出精度和長上下文泛化能力。

類似的深層優(yōu)化還包括歸一化策略和專家路由初始化等，它們各自解決不同環(huán)節(jié)的穩(wěn)定性問題，共同確保上述架構(gòu)創(chuàng)新在大規(guī)模訓(xùn)練中真正跑得通、跑得穩(wěn)。

在以上技術(shù)的加持下，Qwen3.5的新架構(gòu)讓模型在總參數(shù)不足400B的情況下，性能卻能超越上一代超萬億模型的同時(shí)，部署顯存占用降低60%，推理效率大幅提升，還順手把API價(jià)格卷到了Gemini-3-pro的1/18。

當(dāng)行業(yè)還在比拼”誰的跑分更高”時(shí)，Qwen3.5已經(jīng)把競爭帶向了下一個(gè)問題：誰的模型更好用、更實(shí)用、更多人用得起。

結(jié)語：Qwen3.5在“好用、實(shí)用、用得起”上一馬當(dāng)先

一馬當(dāng)先，不只是跑得快，更是跑得對、跑得遠(yuǎn)。

在多模態(tài)方面，Qwen3.5再一次驗(yàn)證了原生多模態(tài)是從預(yù)訓(xùn)練第一天起就讓模型像人類一樣，用統(tǒng)一的認(rèn)知框架理解圖文交織的世界。在效率與性能上，Qwen3.5將思考的重點(diǎn)放在“如何讓大模型更高效”，“如何才能讓大模型好用、實(shí)用、用得起”上。

從識別到理解，從單模態(tài)到跨模態(tài)推理，Qwen3.5讓大模型從對話工具向理解真實(shí)世界的基礎(chǔ)能力演進(jìn)。阿里一方面在不斷推出SOTA級模型，另一方面，通過開源策略讓人人都能免費(fèi)用，孕育出了一片全新的創(chuàng)新土壤。