除夕夜，阿里官宣發(fā)布并開源新一代千問大模型千問 3.5（Qwen3.5-Plus）。這是繼 2025 年除夕發(fā)布 Qwen2.5-Max 后，阿里又一次在除夕帶來新一代模型。

現(xiàn)在，千問 APP 與 PC 端（qianwen.com）已經(jīng)同步上線，用戶可在頁面頂部選擇模型新一代模型，來體驗(yàn)千問 3.5 的能力。

去年除夕更新的 Qwen2.5-Max 重點(diǎn)在規(guī)模和性能，而這次，千問 3.5 更像是一場從純文本模型到原生多模態(tài)模型的底層架構(gòu)層面重構(gòu)。

圖丨現(xiàn)在打開千問，已經(jīng)可調(diào)用新模型 Qwen3.5-Plus（來源：千問）

與前幾代的千問大語言模型相比，千問 3.5 這次帶來哪些模型性能的提升呢？

從預(yù)訓(xùn)練來看，千問 3 是在純文本 Tokens 上進(jìn)行，而千問 3.5 的預(yù)訓(xùn)練則基于視覺和文本混合 token。也就是說，視覺理解不再像從前那樣以外掛模塊形式存在，而是同語言能力共同在底層建?！白鲬?zhàn)”。

此外，其還大幅新增了中英文、201 種語言與方語言、STEM 和推理等數(shù)據(jù)。這意味著，打破了以往的局限性，而是嘗試讓模型在更密集的世界知識(shí)和推理邏輯。

值得關(guān)注的是，千問 3.5 以少于 40% 的參數(shù)量實(shí)現(xiàn)了超萬億的 Qwen3-Max 基座模型的高性能。這背后反應(yīng)的不是簡單的堆參數(shù)，而是效率導(dǎo)向的架構(gòu)優(yōu)化。

（來源：千問）

在推理、編程、Agent 智能體等全方位基準(zhǔn)評(píng)估中均表現(xiàn)優(yōu)異：

·在指令遵循 IFBench 上，以 76.5 分刷新所有模型紀(jì)錄；

·在 MMLU-Pro 知識(shí)推理評(píng)測(cè)中超越 GPT-5.2，獲得 87.8 分得分；

·在博士級(jí)難題 GPQA 測(cè)評(píng)中得分為 88.4 分，高于 Claude 4.5，但與 GPT-5.2 的 92.4 分和 Gemini 3 Pro 相比仍有進(jìn)步的空間；

·在通用 Agent 評(píng)測(cè) BFCL-V4、搜索 Agent 評(píng)測(cè) Browsecomp 等基準(zhǔn)中，千問 3.5 表現(xiàn)與 Gemini 3 Pro、GPT-5.2 相比性能更優(yōu)。

（來源：千問）

總體來看，這種原生多模態(tài)訓(xùn)練，為千問 3.5 的視覺能力帶來了顯著提升。千問 3.5 在多項(xiàng)權(quán)威測(cè)評(píng)中，均實(shí)現(xiàn)了最佳性能，包括多模態(tài)推理（MathVison）、通用視覺問答 VQA（RealWorldQA）、文本識(shí)別和文件理解（CC_OCR）、空間智能（RefCOCO-avg）、視頻理解（MLVU）等。

可以看到的是，千問 3.5 不再是“語言強(qiáng)、視覺補(bǔ)”，而是在統(tǒng)一架構(gòu)下形成了一種相對(duì)完整的能力矩陣。

（來源：千問）

千問 3.5 之所以能實(shí)現(xiàn)性能的顯著提升，離不開性對(duì) Transformer 經(jīng)典架構(gòu)的突破。

此前，千問團(tuán)隊(duì)自研的門控技術(shù)成果“Gated Attention for Large Language Models: Non-linearity, Sparsity, and Attention-Sink-Free”，獲得全球 AI 頂會(huì) 2025 NeurIPS 最佳論文。

（來源：arXiv）

本次千問 3.5 創(chuàng)新的混合架構(gòu)中已融合該技術(shù)，團(tuán)隊(duì)結(jié)合線性注意力機(jī)制和稀疏混合專家 MoE 模型架構(gòu)，實(shí)現(xiàn)了“高參數(shù)、低激活”的結(jié)構(gòu)：模型總參數(shù)規(guī)模達(dá) 397B，但每次推理僅激活 17B 參數(shù)。這種結(jié)構(gòu)帶來的好處可能是，模型在保持高性能能力的同時(shí)，推理效率大幅度提升。

（來源：千問）

根據(jù)千問官網(wǎng)，千問 3.5 通過訓(xùn)練穩(wěn)定優(yōu)化以及多 token 預(yù)測(cè)等系列技術(shù)，實(shí)現(xiàn)了 Qwen3.5 性能比肩 Qwen3-Max 模型，并在此基礎(chǔ)上對(duì)推理效率進(jìn)一步提升：在 32K 上下文場景中，千問 3.5 推理吞吐量可提升 8.6 倍；而在 256K 超長上下文中，Qwen3.5 推理吞吐量最大能實(shí)現(xiàn) 19 倍的提升。

這意味著，在長文本分析、復(fù)雜推理、Agent 調(diào)度等場景中，成本和延遲大幅下降。

（來源：千問）

基于優(yōu)異的視覺能力，千問 3.5 還突破性地實(shí)現(xiàn)了從 Agent 框架到 Agent 應(yīng)用，尤其是在提升操作效率方面。例如，能夠自主操作手機(jī)與電腦，高效完成日常任務(wù)，在移動(dòng)端支持更多主流 APP 與指令，在 PC 端可處理更復(fù)雜的多步驟操作，包括跨應(yīng)用數(shù)據(jù)整理、自動(dòng)化流程執(zhí)行等。

同時(shí)，千問團(tuán)隊(duì)還構(gòu)建了一個(gè)可擴(kuò)展的 Agent 異步強(qiáng)化學(xué)習(xí)框架，基于此端到端可加速 3 到 5 倍，并將插件式智能體 Agent 支持?jǐn)U展至百萬級(jí)規(guī)模。這也是標(biāo)志千問從對(duì)話模型向行動(dòng)模型過渡轉(zhuǎn)化。

千問透露，下一階段的重點(diǎn)將從模型規(guī)模轉(zhuǎn)向系統(tǒng)整合：構(gòu)建具備跨會(huì)話持久記憶的智能體、面向真實(shí)世界交互的具身接口、自我改進(jìn)機(jī)制。

放眼全球全球的大模型競爭已然不再只是比拼“更大、更準(zhǔn)”，而是“更高效、更可執(zhí)行”。千問 3.5 不僅是一次模型的更新，一場關(guān)于模型的效率革命，已經(jīng)開始了。

參考資料：

https://qwen.ai/blog?id=qwen3.5

https://github.com/qiuzh20/gated_attention

排版：劉雅坤