Qwen3.5震撼发布：3970亿参数性能超万亿模型，推理吞吐量提升19倍，开源AI新标杆诞生

智东西2月16日报道，刚刚，Qwen3.5正式发布并开源，在多模态理解、复杂推理、编程、Agent智能体等几大能力上领先同级开源模型，多项基准测试成绩媲美甚至超越GPT-5.2、Gemini 3 Pro等闭源第一梯队模型。

Qwen3.5-Plus总参数为3970亿，激活参数仅170亿，其性能超越了万亿参数的Qwen3-Max模型。在部署上，其显存占用降低了60%，推理效率大幅提升，最大吞吐量可提升至19倍。

Qwen3.5上线后，我们测试了一道考验大模型逻辑的“脑筋急转弯”：“我要去洗车，洗车的地方离家就100米，我是开车去呢，还是走着去呢？”这道题曾难倒众多国内外大模型。而Qwen3.5不仅准确识别出题目中的逻辑陷阱，还用幽默轻松的语气给出了正确答案，并附上了“开车慢行，确保安全”的温馨提示。

回顾其思考过程，Qwen3.5遵循着分析需求、识别核心陷阱、制定答案、起草答案、内部比较、最终打磨、思考其他可能、确定答案等一系列步骤，过程中甚至会像真人一样“鼓励自己”，坚定回答。

在价格方面，Qwen3.5-Plus的API定价为每百万Token最低0.8元。在同等性能下，这个价格仅为Gemini-3-pro的1/18。

从Qwen2.5、Qwen3到Qwen3.5，千问系列在过去两年里持续迭代开源，每一代产品、每一个尺寸都在为行业树立新的标杆，“最强开源=千问”几乎成为共识。但这一次，Qwen3.5的意义不止于“又刷新了一次榜单”。

01. 让草图“一键变”网页，千问进化成原生多模态大模型

在解读Qwen3.5背后的技术之前，我们先来看看它在实际应用场景下的表现。我们对模型的多模态理解、推理以及代码生成能力进行了抢先体验。

我们上传了一张礼品购买App的前端页面手绘草图，要求Qwen3.5根据草图生成红白配色的简约风前端页面，并输出可直接使用的HTML代码。

几乎没有思考时间，Qwen3.5首先识别出了草图中的基本框架和文字信息。在“红白配色”的模糊指令下，它自主选择了饱和度较低的红色。生成的代码简洁可用，页面也与草图高度一致。一个值得注意的细节是，我们上传的草图是英文，而Qwen3.5根据上下文问答和提问语言，判断用户应为中文使用者，自动将页面语言调整为了中文。

在复杂场景与OCR能力方面，我们随手拍摄了一张包含多个物体和背景的照片，询问Qwen3.5：“今天的天气怎么样？这张图片中都有什么？”

模型在理解画面的同时，能够准确提取模糊的文字信息。这张图片处于背光环境，阴影中的文字有些模糊不清，但Qwen3.5准确地识别出了图片中的布洛芬颗粒冲剂、保湿霜以及酸奶的品牌，并贴心地附上了功效说明。结合图片中晴朗的窗外天气，Qwen3.5综合判断用户正在家休息养生，并给出了“希望天气好心情也好，早日恢复活力！”的祝福。

最后，我们测试了Qwen3.5的艺术理解能力。我们向模型展示了西班牙画家萨尔瓦多·达利的《记忆的永恒》，看它能否识别出这幅画的风格派别和背景。

Qwen3.5提取出了画作中的标志性元素“融化的时钟”，准确回答出作者是萨尔瓦多·达利，并提供了该画家的生平信息，以及这幅画的画面材质、创作时间、尺寸、收藏地等详细信息。此外，模型还详细介绍了画作的主要元素、象征意义及其艺术地位，显示出对美学和抽象概念的较强理解力。

Qwen3.5还可以与OpenClaw集成，驱动编程任务。通过将OpenClaw作为第三方智能体环境集成，Qwen3.5能够进行网页搜索、信息收集和结构化报告生成——它结合自身的推理与工具调用能力，以及OpenClaw的接口，为用户带来流畅的编码和研究体验。

此外，Qwen3.5能够作为视觉智能体，自主操作手机与电脑完成日常任务。在移动端，该模型已适配更多主流应用，支持自然语言指令驱动操作；在PC端，Qwen3.5能处理跨应用的数据整理、多步骤流程自动化等复杂任务，有效减少重复性人工干预，提升工作效率。

以Qwen3.5为底层模型，Qwen Code支持“vibe coding”，可将自然语言指令转化为代码、实时迭代开发项目，并支持如生成视频等富有创意的任务。

整体体验下来，Qwen3.5在多模态能力方面表现突出。这背后是千问团队对模型底层架构的重构，标志着千问正式从“语言模型”进化为“原生多模态大模型”。

02. 原生全模态，让模型像人一样学习

业界普遍认为，统一多模态是通往通用人工智能的必经之路。但让大模型真正“张开眼睛”，在统一架构下同时提升语言和视觉能力，实现多模态信息的高效融合与协同生成，并非易事。

当前行业中不少看似“多模态”的方案，本质上仍是“拼装”——先训练好语言模型“学说话”，再外挂视觉或音频模块，模块之间依靠适配层勉强对齐。有的产品甚至只是在统一入口背后，通过工程路由将不同任务分发给不同模型。这些方案都未实现真正的多模态融合，且不少视觉理解模型会随着视觉能力的增强，出现语言能力“降智”的问题。

Qwen3.5从一开始就选择了一条鲜有人踏足的路。 从预训练的第一天起，该模型就在海量的文本和视觉混合数据上进行联合学习，就像人类一样，调用多种感官综合接收外界信息。这使得视觉与语言在统一的参数空间内深度融合，模型看到一张图就能自然理解其语义，读到一段文字便能在脑中构建对应画面。没有“中间商赚差价”，没有信息折损，真正具备了像人一样的跨模态直觉理解力。

要让这种原生融合高效运行，就需要一个“人类大脑”般的架构，模型的训练策略也必须随之改变。在这一点上，行业的传统做法是让视觉和语言使用同一套并行策略，导致效率损耗严重。Qwen3.5的做法是让不同模态走各自的最优路径，再在关键节点上高效汇合。这样做的结果是，即使同时输入文本、图像、视频三种数据，训练速度也几乎不受影响，与仅训练纯文本时相当。

同时，Qwen3.5通过定制化的FP8/FP32精度策略，使激活内存占用降低约50%，训练速度提升10%。该策略已在强化学习训练与推理全流程统一应用，有效降低了多模态模型规模化部署的成本与复杂度。在智能体训练上，千问团队还搭建了一套大规模强化学习框架，支持文本、多模态与多轮对话等场景，训练效率提升了3至5倍。

原生多模态融合带来的能力不止于图像理解。Qwen3.5可对图像进行像素级空间定位与代码级精细处理，能理解2小时长视频的时序与逻辑关系，可将手绘草图转为可运行的前端代码，还能作为视觉智能体自主操作设备、跨应用完成复杂任务。

03. 四大核心突破，助力模型“以小胜大”

过去两年，大模型行业普遍遵循“堆参数、拼算力”的路径，模型规模从千亿级攀升至万亿级。虽然性能有所提升，但成本也随之急剧增加。这类模型不仅需要专属集群进行部署，推理过程也消耗大量算力，使得中小企业和终端设备难以负担。技术指标不断刷新，但离普惠、实用的目标却似乎越来越远。

Qwen3.5采取了不同的思路：核心目标不是追求更大，而是追求更聪明，旨在以相对更小的模型规模获得更强的智能水平。这一成果由四项核心技术突破共同支撑：

1. 混合注意力机制
传统大模型在处理长文本时，需要对每个token与全部上下文进行全量注意力计算，导致算力开销随文本长度急剧增加，成为限制长上下文能力的关键瓶颈。Qwen3.5采用的混合注意力机制，能够根据信息的重要性动态分配注意力资源，实现主次分明，在提升计算效率的同时保证了处理精度。

2. 极致稀疏MoE架构
传统稠密模型在每次推理时都需要调动全部参数参与运算，模型规模越大，算力成本越高。Qwen3.5的MoE架构核心在于：无需同时激活所有参数，而是根据输入内容，按需激活与之最相关的“专家”网络。这种架构使得Qwen3.5在拥有3970亿总参数的情况下，每次推理仅需激活170亿参数，相当于仅用不到5%的算力即可调用全部知识储备。

3. 原生多Token预测
千问团队在模型训练阶段就引入了对后续多个位置的联合预测能力，这使得推理速度接近翻倍。在长文本生成、代码补全、多轮对话等高频率场景中，模型的响应速度得以显著提升。

4. 系统级训练稳定性优化
2025年，千问团队一篇关于注意力门控机制的论文获得了NeurIPS 2025最佳论文奖。
该研究在注意力层的输出端引入了一个“智能开关”，类似于一个水龙头，能够智能调控信息“流量”。这既防止了有效信息被淹没，也避免了无效信息被过度放大，从而提升了模型的输出精度和长上下文泛化能力。类似的深层优化还包括归一化策略和专家路由初始化等，它们各自解决了训练不同环节的稳定性问题，共同确保上述架构创新能够在大规模训练中稳定、高效地实现。

在上述技术的共同作用下，Qwen3.5的新架构实现了显著突破：在总参数不足4000亿的情况下，其性能超越了上一代超万亿参数模型，同时部署显存占用降低了60%，推理效率大幅提升。此外，其API定价仅为Gemini-3-Pro的约1/18。当行业仍在比拼“谁的跑分更高”时，Qwen3.5已将竞争引向一个新的维度：谁的模型更好用、更实用、更多人用得起。

04. 结语：在“好用、实用、用得起”上一马当先

一马当先，不仅意味着速度，更意味着方向的正确与前景的深远。在多模态能力上，Qwen3.5再次验证了原生多模态路径的有效性——从预训练伊始就让模型像人类一样，用统一的认知框架理解图文交织的世界。在效率与性能的平衡上，Qwen3.5将思考重点放在了“如何让大模型更高效”以及“如何才能让大模型好用、实用、用得起”上。

从识别到理解，从单模态到跨模态推理，Qwen3.5推动大模型从对话工具向理解真实世界的基础能力演进。阿里一方面持续推出达到SOTA水平的模型，另一方面通过开源策略使其能够被广泛免费使用，从而为更广泛的创新孕育了土壤。

关注“鲸栖”小程序，掌握最新AI资讯