除夕夜，阿里巴巴宣布正式開源新一代千問大模型千問3.5（Qwen3.5-Plus），這是繼Qwen2.5-Max發(fā)布后，該公司在人工智能領域的又一重要突破。目前，千問APP與PC端（qianwen.com）已同步上線，用戶可通過頁面頂部選擇新一代模型，體驗其強大能力。

與前代模型不同，千問3.5實現(xiàn)了從純文本模型到原生多模態(tài)模型的底層架構重構。在預訓練階段，該模型基于視覺和文本混合token進行訓練，視覺理解能力不再作為外掛模塊存在，而是與語言能力在底層共同建模。模型大幅增加了中英文、201種語言與方言、STEM學科及推理等數(shù)據(jù)，突破了以往的數(shù)據(jù)局限性，使模型能夠處理更密集的世界知識和推理邏輯。

千問3.5在參數(shù)效率方面表現(xiàn)尤為突出。通過架構優(yōu)化，該模型以少于40%的參數(shù)量實現(xiàn)了超萬億參數(shù)的Qwen3-Max基座模型的高性能。這一成果得益于千問團隊自研的門控注意力技術，該技術曾獲2025年NeurIPS全球AI頂會最佳論文，并被應用于千問3.5的混合架構中。結合線性注意力機制和稀疏混合專家（MoE）模型架構，千問3.5實現(xiàn)了“高參數(shù)、低激活”的結構，總參數(shù)規(guī)模達397B，但每次推理僅激活17B參數(shù)，顯著提升了推理效率。

在性能評估方面，千問3.5在多項基準測試中表現(xiàn)優(yōu)異。在指令遵循IFBench測試中，該模型以76.5分刷新紀錄；在MMLU-Pro知識推理評測中，得分87.8，超越GPT-5.2；在博士級難題GPQA測評中，得分88.4，高于Claude 4.5，但與GPT-5.2和Gemini 3 Pro仍有差距。在通用Agent評測BFCL-V4和搜索Agent評測Browsecomp中，千問3.5的性能優(yōu)于Gemini 3 Pro和GPT-5.2。

原生多模態(tài)訓練為千問3.5的視覺能力帶來顯著提升。在多模態(tài)推理（MathVison）、通用視覺問答VQA（RealWorldQA）、文本識別和文件理解（CC_OCR）、空間智能（RefCOCO-avg）、視頻理解（MLVU）等權威測評中，千問3.5均達到最佳性能。這表明，該模型已不再局限于“語言強、視覺補”的模式，而是形成了統(tǒng)一架構下的完整能力矩陣。

在推理效率方面，千問3.5通過訓練穩(wěn)定優(yōu)化和多token預測等技術，實現(xiàn)了性能比肩Qwen3-Max的同時，進一步提升了推理效率。在32K上下文場景中，推理吞吐量提升8.6倍；在256K超長上下文中，推理吞吐量最大提升19倍。這一提升使得長文本分析、復雜推理和Agent調(diào)度等場景的成本和延遲大幅降低。

基于優(yōu)異的視覺能力，千問3.5在Agent應用領域取得突破性進展。該模型能夠自主操作手機和電腦，高效完成日常任務，支持更多主流APP和指令。在PC端，千問3.5可處理更復雜的多步驟操作，包括跨應用數(shù)據(jù)整理和自動化流程執(zhí)行。千問團隊構建了可擴展的Agent異步強化學習框架，使端到端加速提升3至5倍，并將插件式智能體支持擴展至百萬級規(guī)模，標志著千問從對話模型向行動模型的過渡。

據(jù)千問團隊透露，下一階段的研究重點將從模型規(guī)模轉(zhuǎn)向系統(tǒng)整合，包括構建具備跨會話持久記憶的智能體、開發(fā)面向真實世界交互的具身接口，以及探索自我改進機制。這一轉(zhuǎn)變反映了全球大模型競爭的新趨勢——從單純追求“更大、更準”轉(zhuǎn)向“更高效、更可執(zhí)行”。千問3.5的發(fā)布，標志著這場關于模型效率的革命已經(jīng)拉開帷幕。