5-Plus 和 Qwen3.5-397B-A17B 定位则是 Qwen3.数量超过 1T 的 Qwen3-Max-Base 表现相当�

<p id="4ASQ8Q2D">IT之家 2 月 16 日消[息，今(天下午，阿里在 chat.qwen.ai 页面低调上线了 Qwen3.5-Plus 和 Qwen3.5-397B-A17B 两款新模型。</p> <p class="f_center"><br></p> <p id="4ASQ8Q2F">IT之家从官方页面介绍获悉，Qwen3.5 Plus 定位为 <strong>Qwen 3.5 系列最新大语言模型</strong>，Qwen3.5-397B-A17B 定位则是 <strong>Qwen3.5 开源系列旗舰大语言模型</strong>。两款模型<strong>均支持文本和多模态任务</strong>。</p> <p id="4ASQ8Q2G">根据阿里云方面介绍，Qwen3.5 实现了底层模型架构的全面革新，其中，Qwen3.5-Plus 版本总参数为 3970 亿，激活仅 170 亿，性能<strong>超过万亿参数的 Qwen3-Max 模型</strong>，部署显存占用降低 60%，推理效率大幅提升，最大推理吞吐量可提升至 19 倍。</p> <p id="4ASQ8Q2H">Qwen3.5-397B-A17B 在推理、编程、智能体能力与多模态理解等全方位基准评估中表现优异，助力开发者与企业显著提升生产力。该模型采用创新的混合架构，将线性注意力（Gated Delta Networks）与稀疏混合专家（MoE）相结合，实现出色的推理效率：总<strong>参数量达 3970 亿，每次前向传播仅激活 170 亿参数，</strong>在保持能力的同时优化速度与成本。同时，语言与方言支持从 119 种扩展至 201 种，为全球用户提供更广泛的可用性与更完善的支持。</p> <p class="f_center"><br></p> <p id="4ASQ8Q2J">Qwen3.5 在能力、效率与通用性三个维度上推进预训练：</p> <p></p> <ul> <strong>能力（Power）：</strong>在更大规模的视觉-文本语料上训练，并加强中英文、多语言、STEM 与推理数据，采用更严格的过滤，实现跨代持平：Qwen3.5-397B-A17B 与参数量超过 1T 的 Qwen3-Max-Base 表现相当。 <strong>效率（Efficiency）：</strong>基于 Qwen3-Next 架构 —— 更高稀疏度的 MoE、Gated DeltaNet + Gated Attention 混合注意力、稳定性优化与多 token 预测。在 32k/256k 上下文长度下，Qwen3.5-397B-A17B 的解码吞吐量分别是 Qwen3-Max 的 8.6 倍 / 19.0 倍，且性能相当。Qwen3.5-397B-A17B 的解码吞吐量分别是 Qwen3-235B-A22B 的 3.5 倍 / 7.2 倍。 <strong>通用性（Versatility）：</strong>通过早期文本-视觉融合与扩展的视觉 / STEM / 视频数据实现原生多模态，在相近规模下优于 Qwen3-VL。多语言覆盖从 119 增至 201 种语言 / 方言；25 万词表（vs. 15 万）在多数语言上带来约 10–60% 的编码 / 解码效率提升。 </ul> <p class="f_center"><br></p> <p id="4ASQ8Q2L">根据介绍，Qwen3.5 凭借高效的混合架构与原生多模态推理，为通用数字智能体奠定了坚实基础。下一阶段的重点将从模型规模转向系统整合：构建具备跨会话持久记忆的智能体、面向真实世界交互的具身接口、自我改进机制，目标是能够长期自主运行、逻辑一致的系统，将当前以任务为边界的助手升级为可持续、可信任的伙伴。</p>