千问 3.5，大手笔啊！
小 G约 5 分钟前阵子，各个大模型厂都纷纷迭代更新自家产品，其功能之多，看得人眼花缭乱。
当大家以为快过年了，AI 圈手里的牌都打完了吧，没成想，阿里千问直接顺手甩了一对王炸。
没有任何预热，没有搞发布会，全新一代大模型 Qwen 3.5-Plus 重磅开源。
其多模态理解、复杂推理、编程、以及 Agent 等核心维度，不仅全面领先同级开源模型，更在多项基准上足以媲美各种顶级闭源模型。
这一次，核心的亮点主要如下：
原生多模态：告别“拼装”挂件，实现对物理世界的无损直觉感知。
性能倒挂：多项基准媲美甚至超越 GPT-5.2 和 Gemini-3-Pro 等顶级闭源模型。
架构突变： 采用极致稀疏 MoE 架构，总参数 397B，但推理激活仅需 17B。
价格屠夫： API 价格仅为 Gemini-3-Pro 的 1/18，但部署显存占用降低 60%，推理效率大幅提升，最大吞吐量可提升至 19倍。
这意味着，我们用跑 20B 模型的算力成本，就能获得接近 400B 模型的智力水平，API 定价还便宜得离谱，这下真的是真的做到物美价廉了。
此外，它还顺手把支持语言扩展到了 201 种，一跃成为全球通用的世界模型。
对小语种兼容性更强，意味着模型后续能够学习到更密集的世界知识和推理逻辑，我估计未来它的能力进化也会越来越快，这点其实也利好正在做出海业务的开发者。
像这样的开源大模型，它的实际效果到底怎么样呢？
模型发布前，我有幸拿到了 Qwen 3.5-Plus 大模型的 API 内测权限。
下面我将围绕「视觉+推理」方向，从生活场景到代码生产力，给大家做下实测。
一、年夜饭都吃的啥？
大部分多模态模型，通常会额外借助视觉编码器，容易出现看图说话不准确的问题。
而 Qwen 3.5-Plus 这次给我们带来的最大变化则是 “原生多模态”，那就先来测试一下这个能力。
写这篇测评时，刚好需要准备下年夜饭，但又不知道吃些啥，于是我索性到网上看看，有啥令我垂涎三尺的年夜饭，让 AI 帮我列出食材，并计算成本，这样我就能直接去菜市场买菜回来做饭。
于是，我给了它这样的提示词：
按表格的方式，列出图片中菜品用到的食材，并计算出对应的市场价格，最后汇总一下，做这样一段饭，大概需要多长时间，多少钱？这里需要考验到 Qwen 3.5-Plus 的菜品识别能力，它需要先知道这是什么菜，用的哪些食材，这些食材的市场价格是多少，看似简单，但里面包含不少消息。
出人意料的是，模型不仅能完美识别菜品，还能在价格方面提供丰俭由人的参考信息。
除此之外，它还能根据年夜饭的整个准备流程，按阶段划分不同步骤，并精准计算每一步大概需要的时间。
数学残题，推理全过程
接着难度升级，测试逻辑推理。我找来一张字迹非常潦草的手写数学题，并且故意截图只有一半解题过程。
然后，直接发给模型让它：“识别图中一道数学题的解题过程，并分析是否正确？”
这道手抄题真的非常潦草，即使把图片放大，肉眼也很难看清楚详细解题步骤，但 Qwen 3.5-Plus 依然能够精准识别出所有公式。
它除了推理出这只是解题的前半部分，还敏锐地指出了里面漏掉了一个符号：
可以上下滚动
结合上述两轮测试可以看出，Qwen 3.5-Plus 的视觉 + 推理能力，无疑得到了极大的增强。
无论是面对复杂的年夜饭，还是字迹潦草且信息残缺的数学题，它能展现出超高的视觉识别率与判断能力。
这恰恰印证了原生多模态的核心优势，像人一样，透过模糊的表象，补全逻辑的断层。
当然，光会看图做题还不够，作为开发者，我们或许会更关心，它能不能通过视觉理解来提升生产力？
接下来，我们上点真正的硬菜，尝试让它通过手绘草图，直接生成代码。
一张草图，直接落地
为了测试 Qwen 3.5-Plus 对抽象信息的理解能力，我特意找来一张随手画的服务器监控后台草图。
大家可以看到，线条画得非常潦草，大致布局：左侧是菜单，右上是饼图，下面是表格。
再把这张图扔给模型，并提出要求：仅用一个 HTML 文件实现，让我可以直观看到效果。
说实话，我发出去的时候心里也没底。但 Qwen 3.5-Plus 的反馈速度和理解深度，让我有点意外。
仅用了 6.3 秒的思考，它就完成了对草图的解构：“左侧列表+右上饼图+右下表格” 结构。
随后，我直接点击它生成的 HTML 预览，效果确实不错啊。
不过，我在草图中画的是饼图在上，表格在下，但 Qwen 3.5-Plus 在生成时，自动将其优化成了更适合宽屏展示的“左右布局”（中间饼图，右侧表格）。
通过这步也能看到，它没像传统大模型一样，死板地 OCR 每一个像素，而是基于对页面结构的设计，设计出用户体验更好的 UI。
一张截图，自动修复 Bug
虽然 Qwen 3.5-Plus 自作主张把布局优化成了“左右结构”，看起来确实更好，但我还是想让它实现跟草图一致的布局。
于是，我把「手绘草图」和「生成的网页截图」一并甩回给它，只给一个模糊的指令：让它自己找出不同点并修正。
紧接着，它给出了具体的修正方案，并输出了代码。再次打开预览，页面已经完全回归了草图的排版：
这意味着，我们不需要去详细描述画面上具体的问题，甚至不需要费口舌去描述 Bug。
你只需要像在现实中验收工作一样，把图甩给 AI 说一句：“这不对，照着原图改”。AI 就会基于视觉，吭哧吭哧的帮你批量修改代码样式。
不得不说，“让视觉编程真正成为生产力工具”，阿里这次是真的做到了。
目前看来，Qwen 3.5-Plus 可算得上是能真正融入生产流的 Visual Coding 开源大模型。
写在最后
测完这几个 Case，我最大的感受是：Qwen 3.5-Plus 正在模糊开源与闭源的界限。
过去，我们想要顶级的推理和多模态能力，只能去调用昂贵的闭源 API。但 Qwen 3.5-Plus 的出现，直接用“原生多模态”和“极致 MoE 架构”，打破了这个僵局。
它向行业证明了，最顶尖的视觉直觉和逻辑推理，不一定要万亿参数的堆砌，也不再是巨头模型技术护城河。
对于开发者而言，后续仅需极低的成本，就能构建一个 “能看懂草图、能自动修 Bug” 的超级智能体。
在除夕这个时间节点上，我很高兴能看到 Qwen 3.5-Plus 带来如此大的惊喜，看来过年又有得玩了。
PS：Qwen 3.5-Plus 已经全面上线，大家可到 ModelScope 或 HuggingFace 平台下载模型本地部署，或去千问 App 直接体验。
今天的分享到此结束，感谢大家抽空阅读，我们下期再见，Respect！