除夕佳節之際，科技領域迎來一則重磅消息：阿里在chat.qwen.ai頁面悄然上線了Qwen3.5-Plus與Qwen3.5-397B-A17B兩款全新大語言模型，為新春增添了一抹科技亮色。
據官方介紹，Qwen3.5 Plus作為Qwen 3.5系列的最新力作，被定位為新一代大語言模型；而Qwen3.5-397B-A17B則擔當起Qwen3.5開源系列的旗艦角色。這兩款模型均具備強大的文本處理與多模態任務處理能力，展現出阿里在人工智能領域的深厚積累。
在模型架構上，Qwen3.5實現了全面革新。Qwen3.5-Plus版本總參數規模高達3970億，但激活參數僅為170億。這一設計使其性能超越了擁有萬億參數的Qwen3-Max模型，同時部署顯存占用大幅降低60%，推理效率顯著提升，最大推理吞吐量可提升至原來的19倍，為實際應用提供了更高效的解決方案。
在各項評測中，Qwen3.5系列模型表現卓越。在MMLU-Pro認知能力評測中，Qwen3.5斬獲87.8分，超越了GPT-5.2；在博士級難題GPQA測評中，以88.4分的成績高于Claude 4.5；在指令遵循IFBench評測中，更是以76.5分的成績刷新了所有模型的紀錄。在通用Agent評測BFCL-V4、搜索Agent評測Browsecomp等基準測試中，Qwen3.5的表現均優于Gemini 3 Pro，彰顯出其強大的綜合實力。
Qwen3.5-397B-A17B同樣不負眾望，在推理、編程、智能體能力以及多模態理解等多個維度的全方位基準評估中均取得優異成績。該模型采用創新的混合架構，將線性注意力（Gated Delta Networks）與稀疏混合專家（MoE）技術相結合，在保持強大能力的同時，實現了出色的推理效率。其總參數量達3970億，但每次前向傳播僅激活170億參數，有效優化了速度與成本。該模型對語言與方言的支持從119種擴展至201種，為全球用戶提供了更廣泛、更完善的語言服務。
在預訓練方面，Qwen3.5從能力、效率與通用性三個維度進行了深入推進。在能力維度，模型在更大規模的視覺-文本語料上進行訓練，并加強了中英文、多語言、STEM與推理數據的訓練，采用更嚴格的過濾標準，實現了跨代持平的優異表現，Qwen3.5-397B-A17B與參數量超過1T的Qwen3-Max-Base表現相當。在效率維度，基于Qwen3-Next架構，通過更高稀疏度的MoE、Gated DeltaNet + Gated Attention混合注意力、穩定性優化與多token預測等技術，在32k/256k上下文長度下，Qwen3.5-397B-A17B的解碼吞吐量分別是Qwen3-Max的8.6倍和19.0倍，且性能相當；同時，其解碼吞吐量也分別是Qwen3-235B-A22B的3.5倍和7.2倍。在通用性維度，通過早期文本-視覺融合與擴展的視覺/STEM/視頻數據，實現了原生多模態，在相近規模下優于Qwen3-VL；多語言覆蓋從119種增至201種語言/方言，25萬詞表（相比之前的15萬）在多數語言上帶來了約10–60%的編碼/解碼效率提升。
憑借高效的混合架構與原生多模態推理能力，Qwen3.5為通用數字智能體的發展奠定了堅實基礎。據悉，下一階段的研究重點將從模型規模轉向系統整合，致力于構建具備跨會話持久記憶的智能體、面向真實世界交互的具身接口以及自我改進機制，目標是打造能夠長期自主運行、邏輯一致的系統，將當前以任務為邊界的助手升級為可持續、可信任的伙伴。
