千问 3.5 模型除夕发布，全网最详细解读

今天除夕，祝大家新年快乐

同时，今天阿里也开源 Qwen3.5 系列第一款模型 Qwen3.5-397B-A17B

这次发布的模型，为 397B 总参数，每次推理仅激活 17B，在性能超过上一代万亿参数的 Qwen3-Max 的同时，推理吞吐提升 8 倍，部署成本降低 60%

Apache 2.0 协议，完全开源

⚠️ 注意
这次发布的 397B-A17B 并非千问 3.5 系列的旗舰模型，只是系列中的第一款。大的，即将到来

在我看来，这次的模型上有两个根本性变化：

第一，原生全模态。Qwen3.5 从预训练第一天起就在文本 + 视觉混合 tokens 上联合学习。不是先训好语言模型再外挂视觉模块，视觉和语言在同一个参数空间里从头融合。上一代 Qwen3 是纯文本预训练，这一代直接换成了全模态基座

第二，原生多 Token 预测。传统大模型一次生成一个 token，Qwen3.5 在训练阶段就学会了对后续多个位置做联合预测，推理时一次输出多个 token。直接结果是推理速度接近翻倍，32K 上下文下吞吐是上一代 Qwen3-Max 的 8.6 倍

这两个变化叠加的效果：模型又能看又能想，而且快了一个数量级

对于这个模型，我做了一个数据总览，大家可以先看一下

自然语言能力，整体接近 GPT-5.2 和 Gemini-3 Pro 水平。MMLU-Pro 87.8 超 GPT-5.2 的 87.4，GPQA 88.4 超 Claude Opus 4.5 的 87.0，指令遵循 IFBench 76.5 刷新全模型纪录

视觉能力，是这次显著提升的地方。MathVision 88.6、We-Math 87.9、ZEROBench 12 分、MathVista 90.3，四项 STEM 视觉推理第一。OmniDocBench 90.8、OCRBench 93.1、CC-OCR 82.0，文档 OCR 三项第一。RefCOCO 92.3、LingoQA 81.6、V* 95.8，空间智能三项第一

多语言 201 种语言和方言覆盖，NOVA-63 和 MAXIFE 第一，词表从 15 万扩到 25 万

搜索 Agent 的能力是最大亮点，BrowseComp 78.6 超过所有闭源模型（GPT-5.2 为 65.8，Claude Opus 4.5 为 67.8），WideSearch 74.0 接近 GPT-5.2。通用 Agent 在第二到第三档位，BFCL-V4 72.9 超 Gemini-3 Pro，但 MCP-Mark 和 Tool Decathlon 与头部差距明显

竞赛数学和极端推理还有进步空间。AIME26 91.3 vs GPT-5.2 的 96.7，HMMT 92.7-94.8 vs GPT-5.2 的 99.4-100

成本大幅降低：百炼 API 输入 0.8 元/百万 tokens，是 GPT-5.2 的 1/15，Gemini-3 Pro 的 1/18

多端上线
千问 App / PC 端免费可用，魔搭 + HuggingFace 开源下载，百炼 API 可调用

下面逐块展开

架构

在我看来，这次的模型升级，背后是两个变化：原生全模态、原生多 Token 预测，和两项工程优化：极致稀疏 MoE、训练稳定性优化

原生全模态

过去几代千问的做法和行业里大部分模型一样：先训一个纯文本基座，再接入视觉模块做对齐

Qwen3.5 换了路线，从预训练第一天起就在文本和视觉的混合数据上联合学习，其中大幅新增了视觉、STEM、推理数据

几个技术细节：

• • 视觉和语言组件解耦并行策略，各走各的最优路径再在关键节点汇合
• • 混合文本 + 图像 + 视频数据的训练吞吐，接近 100% 持平纯文本基线
• • FP8/BF16 混合精度策略，激活内存减少约 50%，训练提速 10%+
• • 支持 1M token 上下文（原生 262K，YaRN 扩展至 1,010,000），可直接处理 2 小时视频输入

结果是：在视觉 STEM（MathVision 88.6）、文档理解（OmniDocBench 90.8）、空间智能（RefCOCO 92.3）等基准上超过了专门做视觉的模型，同时语言能力没有「降智」

另外，语言和方言支持从 119 种扩展至 201 种，词表从 15 万扩到 25 万，小语种编码效率最高提升 60%

原生多 Token 预测

传统 Transformer 每一步只预测下一个 token。Qwen3.5 在训练阶段就学会了对后续多个位置做联合预测

这不是简单的「批量输出」。模型内部需要同时维护多个预测头，在训练时就对多步输出的一致性做优化。推理时可以一次吐出多个 token，速度接近翻倍

两个工程优化

在这两个根本变化之上，还有两个工程层面的优化：

极致稀疏 MoE。397B 总参数，激活仅 17B，不到 5% 的算力即可调动全部知识储备。架构细节：60 层，512 个专家，每次激活 10 个路由专家 + 1 个共享专家。隐藏层结构为 15 组 × (3 层 Gated DeltaNet→MoE + 1 层 Gated Attention→MoE)

训练稳定性优化。注意力门控机制（NeurIPS 2025 最佳论文）融入架构，配合归一化策略和专家路由初始化，确保大规模训练稳定收敛

四项技术叠加的结果：

• • Qwen3.5-397B-A17B 性能与超万亿参数的 Qwen3-Max 持平
• • 32K 上下文推理吞吐是 Qwen3-Max 的 8.6 倍
• • 256K 上下文推理吞吐是 Qwen3-Max 的 19 倍
• • 相比 Qwen3-235B-A22B，推理吞吐分别提升 3.5 倍 / 7.2 倍
• • 部署成本降低 60%

397B 总参，17B 激活，打赢了上一代万亿参数的 Qwen3-Max

强化学习 Scaling

这次 Post-training 性能提升的另一个核心来源：RL 环境的全面扩展

官方强调的不是针对特定指标刷分，而是 RL 环境的难度与可泛化性。构建了可扩展的异步 RL 框架，支持百万级规模的 Agent 脚手架与环境编排，实现 3×–5× 的端到端加速

基座模型表现

值得单独说一下基座模型的数据。Qwen3.5-397B-A17B 的基座在多个核心基准上全面领先同级开源模型，包括 DeepSeek-V3.2-671B-A37B 和 K2-1T-A32B

自然语言能力

知识与科学

MMLU-Pro 87.8 超过 GPT-5.2，GPQA 88.4 超过 Claude Opus 4.5，知识能力整体与闭源第一梯队相当。C-Eval 93.0，中文知识保持高位

HLE 28.7，这是目前已知最难的 STEM 基准之一，GPT-5.2 和 Gemini-3 Pro 在这项上也分别只有 35.5 和 37.5。官方同时发布了 HLE-Verified 得分 37.6

推理与竞赛数学

竞赛数学是 Qwen3.5 目前和 GPT-5.2 差距最大的领域

AIME26 91.3、HMMT Feb 94.8、HMMT Nov 92.7，整体处于第二梯队，与 Claude Opus 4.5 和 Qwen3-Max-Thinking 相当。GPT-5.2 在这个板块仍然明显领先（AIME26 96.7，HMMT 两场分别 99.4 和 100）

LiveCodeBench v6 83.6，Gemini-3 Pro 以 90.7 领先

指令遵循与长上下文

IFBench 76.5，刷新所有模型纪录，包括 GPT-5.2 的 75.4

MultiChallenge 67.6 同样第一。IFEval 92.6 略低于 GPT-5.2 的 94.8

长上下文方面，LongBench v2 63.2、AA-LCR 68.7，与 Gemini-3 Pro 和 Claude Opus 4.5 有一定差距，是目前还有提升空间的方向

Agent 能力

通用 Agent 方面，BFCL-V4 72.9、TAU2-Bench 86.7，整体处于第二梯队，仅次于 Claude Opus 4.5。DeepPlanning 34.3 排在 GPT-5.2（44.6）之后，位列第二

MCP-Mark 46.1、Tool Decathlon 与头部差距还比较明显，但大幅超过同级开源模型

搜索 Agent

这是数据里最值得关注的板块

BrowseComp 78.6（使用与 DeepSeek / Kimi 相同的 discard-all 策略），超过所有闭源模型——GPT-5.2 为 65.8，Claude Opus 4.5 为 67.8

BrowseComp 大幅领先但 Seal-0 明显落后，说明不同搜索策略下表现差异很大。官方也注明，他们测试了两种策略：简单上下文折叠得分 69.0，discard-all 策略得分 78.6

多语言

NOVA-63 得分 59.1 第一，MAXIFE 88.2 接近第一（GPT-5.2 为 88.4）。MMMLU 88.5、MMLU-ProX 84.7，多语言知识基准整体表现突出

PolyMATH 73.3，与 Gemini-3 Pro（81.6）和 Claude Opus 4.5（79.0）有差距，多语言数学推理还有提升空间

Qwen3.5 将词表从 15 万扩到 25 万，覆盖 201 种语言和方言

代码

SWE-bench Verified 76.4，与 Claude Opus 4.5（80.9）和 GPT-5.2（80.0）有可见差距。SecCodeBench 68.3 接近 GPT-5.2 和 Claude Opus 4.5 水平

代码能力相比上一代有明显进步，但与国际第一梯队仍有提升空间

视觉语言能力

视觉 STEM 与推理

这是 Qwen3.5 最亮眼的板块

MathVision 88.6 超过 Gemini-3 Pro 的 86.6 和 GPT-5.2 的 83.0，第一。We-Math 87.9 第一。ZEROBench 12 分（全场最高，这个基准目前所有模型得分都很低）。ZEROBench_sub 41.0 同样第一

MathVista 90.3 和 K2.5 的 90.1 并列第一梯队。DynaMath 86.3 接近 GPT-5.2 的 86.8。BabyVision 启用代码解释器时 52.3，不使用时 43.3

MMMU 85.0 接近 GPT-5.2 的 86.7。MMMU-Pro 79.0 接近 GPT-5.2 的 79.5

通用视觉问答

RealWorldQA 83.9 第一。MMStar 83.8 接近 Gemini-3 Pro 的 83.1。HallusionBench 71.4 第一，幻觉控制最好。MMBench EN v1.1 达到 93.7，与 Gemini-3 Pro 并列

文档理解与 OCR

OmniDocBench 1.5 以 90.8 登顶，CC-OCR 82.0 第一，OCRBench 93.1 第一。AI2D 93.9 接近 Gemini-3 Pro 的 94.1。CharXiv 80.8 接近 GPT-5.2 的 82.1

MMLongBench-Doc 61.5，接近 Claude Opus 4.5 的 61.9

处理复杂版式文档的能力在所有模型中最强

空间智能

RefCOCO 92.3 第一，CountBench 97.2 接近 Gemini-3 Pro 的 97.3。LingoQA 81.6 第一（大幅领先第二名 Claude Opus 4.5 的 78.8）。V* 启用代码解释器时 95.8、不使用时 91.1，均为第一。EmbSpatialBench 84.5 第一，RefSpatialBench 73.6 第一

新增了 3D 空间理解基准：Hypersim 12.5、SUNRGBD 38.3、NuScenes 16.0，均超过 Qwen3-VL

视频理解

MLVU 86.7 第一。MVBench 77.6 第一。VideoMME（有字幕）87.5 接近 Gemini-3 Pro 的 88.4。LVBench 75.5，低于 Gemini-3 Pro 的 76.2

支持 1M token 上下文，可直接输入 2 小时视频。官方建议视频推理时将 video_preprocessor_config 中的 longest_edge 设置为 469,762,048 以获得最佳效果

视觉 Agent

AndroidWorld 66.8 第一（超过 Qwen3-VL 的 63.7）。OSWorld-Verified 62.2，接近 Claude Opus 4.5 的 66.3 和 K2.5 的 63.3。ScreenSpot Pro 65.6，低于 Gemini-3 Pro 的 72.7

可自主操作手机与电脑，支持跨应用数据整理、多步骤流程自动化

医学视觉问答

PMC-VQA 64.2 第一，MedXpertQA-MM 70.0 接近 Gemini-3 Pro 的 76.0，SLAKE 79.9 处于第二梯队

成本大幅降低

阿里云百炼 API 已上线 Qwen3.5-Plus（即 Qwen3.5-397B-A17B 的 API 版本）

每百万 tokens 输入 0.8 元

做个对比：GPT-5.2 输入 $1.75/M（约 12.7 元），Gemini-3 Pro 输入约 14.4 元。Qwen3.5 的 API 定价是 GPT-5.2 的 1/15，Gemini-3 Pro 的 1/18

0.8 元/百万 tokens 输入，是 GPT-5.2 的 1/15

Qwen3.5-Plus API 版本默认支持 1M token 上下文窗口、官方内置工具和自适应调用

千问 3.5 旗舰模型 Qwen3.5-Max 也将不久后发布

Demo：官方展示了什么

Qwen3.5 提供三种模式：自动（auto）、思考（thinking）和快速（fast）。自动模式下可自适应思考 + 调用搜索和代码解释器；思考模式深度推理；快速模式直接回答

官方 Blog 里给出了大量 Demo，值得逐个看一下

网页开发

可以将简单指令转化为可运行的前端代码，包括赛车游戏、网页 UI 等。这块前端编码表现不错

OpenClaw 集成

与 OpenClaw 集成后可进行网页搜索、信息收集和结构化报告生成

Qwen Code

以 Qwen3.5 为底层的 Qwen Code 支持 vibe coding，自然语言→代码。百炼 API 兼容 OpenAI 和 Anthropic 格式，可直接接入 Claude Code、Cline、OpenClaw、OpenCode 等工具

GUI 智能体

手机端适配更多主流应用，PC 端处理跨应用数据整理和多步骤流程自动化。演示包括自动操作 Excel 填充缺失行列、VLC 播放器操作等

视觉编程

将手绘草图转前端代码、游戏视频→代码还原、长视频→结构化网页。上下文窗口扩展至 1M tokens 后可直接处理长达 2 小时的视频

空间智能

物体计数、相对位置判断、空间关系描述。演示了自动驾驶场景理解（正确识别红绿灯变化和刹车决策）以及像素级定位推理

带图推理

原生支持代码级图像处理：自动裁剪局部区域放大细节、标注增强关键特征。演示了迷宫最短路径求解（BFS 算法 + 图像处理，99 步完成）

视觉推理

5×5 网格中找不同——准确识别出第一行第四个格子中菱形的细微旋转偏差

开源与体验入口

Qwen3.5-397B-A17B 以 Apache 2.0 协议开源，可免费下载及商用

• • 千问 Chat：https://chat.qwen.ai
• • 千问 App / 千问 PC 端：免费体验 Qwen3.5-Plus
• • 魔搭社区（ModelScope）：下载部署
• • HuggingFace：下载部署
• • 阿里云百炼：API 服务

部署支持 SGLang、vLLM、Transformers、llama.cpp、MLX 等主流框架。微调支持 UnSloth、Swift、Llama-Factory

百炼 API 支持 OpenAI 兼容格式和 Anthropic 兼容格式，可无缝接入 Claude Code、Cline 等工具

有关这个模型的其他信息，也可以从官方的 blog 上找到

其他

对于模型使用，官方有一些推荐的参数

• • 思考模式 Temperature=0.6 / TopP=0.95 / TopK=20
• • 非思考模式 Temperature=0.7 / TopP=0.8 / TopK=20
• • 建议输出长度 32,768 tokens，复杂问题可设 81,920

最后

千问开源系列至今已累计 400+ 模型，全球下载量突破 10 亿次，衍生模型超 20 万

后续还将继续开源不同尺寸、不同功能的 Qwen3.5 模型

而下一阶段，模型也将向系统整合方向不断迭代，包括跨会话持久记忆、具身接口、自我改进机制，目标是把以任务为边界的助手，升级为可持续运行的数字智能体