阿里巴巴刚刚发布了其最新一代大语言模型——Qwen3.5。 这款模型的推出，正是为了应对GPT-5.3 Codex、Claude Opus 4.6等近期表现亮眼的新品。

阿里巴巴表示，Qwen3.5是为智能体AI时代（Agentic AI Era）量身打造的模型。这款多模态视觉语言模型相比前代成本更低、效率更高，在多项基准测试中交出了顶尖水准的成绩。

与此同时，阿里巴巴还推出了Qwen3.5-Plus，作为该模型的高阶版本，上下文窗口达到100万token，直接对标Gemini 3。

本文将带你详细了解Qwen3.5与Qwen3.5-Plus的核心新特性，对比它们与竞品的差距，展示最新的测试数据，并说明如何使用这些新模型。

---

什么是Qwen3.5？

Qwen3.5是阿里巴巴Qwen大模型系列的最新一代产品，型号为Qwen3.5-397B-A17B。 与上一代Qwen3系列不同，Qwen3.5将多个专用模型整合为单一原生视觉语言模型。和此前的Qwen模型一样，它采用Apache 2.0开源协议。

该模型定位为面向消费端与企业级场景的通用基座模型，专为原生多模态与智能体工作流设计。 Qwen3.5-397B-A17B提供两种运行模式：

• • Thinking（思考模式）：适用于需要深度推理的任务
• • Fast（快速模式）：适用于常规任务的快速推理

---

Qwen3.5 与 Qwen3.5-Plus 对比

Qwen3.5-Plus是基于Qwen3.5-397B-A17B的云端托管服务，仅提供API调用，本身并非开源权重模型。 官方发布说明在这一点上容易让人混淆：文中提到的Qwen3.5-Plus看似是独立模型，实际上是阿里巴巴基于同款基座打造的专属服务。

尽管Qwen3.5-Plus基于Qwen3.5-397B-A17B，但两者存在明显区别：

• • Qwen3.5-Plus仅可通过阿里云Model Studio调用，按token计费，同时也可通过Qwen Chat界面有限度使用
• • 标准版Qwen3.5上下文窗口为256K token，而Qwen3.5-Plus扩展至100万token
• • 除Thinking与Fast模式外，Qwen3.5-Plus额外提供Auto（自动模式），支持自适应思考，并可调用搜索、代码解释器等工具

---

Qwen3.5 核心特性

下面我们来看Qwen3.5带来的几项关键新特性：

原生多模态能力

与OpenAI在最新GPT-5.3 Codex中将标准模型与Codex模型合并类似，阿里巴巴将文本、视觉、UI交互能力整合进单一模型。

Qwen3.5在文本、图像、UI截图与结构化内容上进行联合训练，支持：

• • 视觉问答
• • 文档理解
• • 图表/表格解析
• • 像素级定位，识别并交互屏幕元素

视觉智能体能力

这是Qwen3.5的另一大核心亮点。 得益于在大量UI截图上的训练，模型能够识别并操作移动端与桌面端界面，可执行多步骤自动化工作流，例如：

• • 填写表单
• • 操作应用
• • 修改系统设置
• • 整理文件

这让Qwen3.5非常适合生产力自动化场景。 你只需通过自然语言指令，就能让Qwen视觉智能体跨多个应用完成复杂流程，甚至能在长交互序列中保持状态，实现稳定的工具与应用调度。

性能与效率大幅提升

Qwen3.5是一个参数量庞大的模型，总参数3970亿，但得益于混合专家架构（MoE），每个token仅激活170亿参数。 简单来说，它拥有超大模型的智能水平，却只有小模型的速度与成本效率。

实际表现上：

• • 相比Qwen3-Max，Qwen3.5 397B-A17B在长上下文任务（256k token）解码速度提升19倍
• • 标准工作流速度提升8.6倍

更重要的是，速度提升没有牺牲智能水平： 它的推理与代码能力与Qwen3-Max持平，同时因文本与视觉早期融合，效果优于Qwen3-VL。

成本效率优化

伴随性能提升，模型的使用成本也进一步下降。

Qwen3.5采用原生FP8精度计算（替代标准的16位），运行所需内存直接减少50%，计算速度更快，在万亿token规模下速度提升超10%。

同时，模型拥有25万词表，能用更少token表达复杂概念；配合多token预测能力，可一步“预判”多个后续词汇，在201种语言中降低10%–60%的token成本。

---

Qwen3.5 是如何研发的

Qwen3.5的研发采用了定制化基础设施，让多模态与智能体模型的训练速度、成本几乎接近纯文本模型。 其训练方案的核心在于三大关键点：

1. 1. 数据质量
2. 2. 异构基础设施
3. 3. 异步强化学习（RL）

数据质量

阿里巴巴团队收集的图文数据远超Qwen3系列，并进行了严格筛选，保证输入质量。 最终的高质量数据集，让3970亿参数的模型能够对标万亿参数模型（如Qwen3-Max）的智能水平。

异构基础设施

视觉模块与语言模块分开训练、同步进行，双方无需等待彼此计算，训练效率几乎达到纯文本模型的100%。

异步强化学习

结合FP8压缩与推测解码（Speculative Decoding），智能体可同时执行数千项任务，训练在后台异步完成，无需等待。 这让训练速度大幅提升且质量损失极小，Qwen3.5学习UI点击、多步骤任务等Agent Skills的速度提升3–5倍。

下图为Qwen3.5训练基础设施架构。

Qwen3.5 基准测试

阿里巴巴这款新模型的性能已在多项任务中得到验证。 我们重点关注智能体工作流、多模态能力、通用推理三大方向的结果，并与Qwen3-Max-Thinking、Qwen3-VL-235B-A22B、GPT-5.2、Claude Opus 4.5、Gemini 3 Pro进行对比。

智能体工作流

相比Qwen3系列，Qwen3.5提升最明显的就是智能体工作流能力。

• • 智能体终端代码：在Terminal-Bench 2.0中，Qwen3.5得分52.5，远高于Qwen3-Max-Thinking的22.5，与Gemini 3 Pro（54.2）接近，但仍落后于当前领先的GPT-5.3 Codex（77.3）
• • 智能体搜索：这是Qwen3.5的最大优势，在BrowseComp中得分78.6，大幅超越Gemini 3 Pro（59.2），仅次于Claude Opus 4.6（84.0），位列第二

多模态能力

多模态能力相比前代同样有显著提升，尤其在具身推理与文档识别上：

• • 具身推理：ERQA得分67.5，远高于Qwen3-VL（52.5），几乎追平Gemini 3 Pro（70.5）
• • 文档识别：在OmniDocBench v1.5中突破90%大关，达到90.8，超过GPT-5.2（85.7）、Claude Opus 4.5（87.7）、Gemini 3 Pro（88.5）
• • 视觉推理：MMMU-Pro得分79.0，Video-MME得分87.5，仅略低于Gemini 3 Pro的81.0与88.4

推理、知识与可靠性

推理与知识并非本次升级的核心重点，但仍有小幅提升，尤其在可靠性方面：

• • 指令遵循：IFBench得分76.5，可靠性表现优秀，当前领先者为AWS Nova 2.0 Pro（79.0）
• • 研究生级别推理：GPQA Diamond得分88.4，相比Qwen3-Max-Thinking（87.4）小幅提升
• • 多语言知识：MMMLU得分88.5，低于Gemini 3 Pro（90.6），但相比前代（84.4）提升明显

---

如何使用Qwen3.5

与前代模型一致，Qwen3.5系列支持多种使用方式：聊天界面直接使用、API调用、本地部署下载、集成到自定义系统中。

聊天界面

你可以直接访问 chat.qwen.ai 使用Qwen3.5。 模型选择下拉菜单中提供Qwen3.5-397B-A17B、Qwen3.5-Plus，以及Qwen3系列、Qwen2.5-Max等历史版本。

API调用

Qwen3.5的API调用方式与Qwen3基本一致： 通过ModelScope（免费额度，每日限额）或DashScope/Model Studio（付费，包含Qwen3.5-Plus）提供兼容OpenAI的接口。 只需将模型ID更新为：

• • qwen3.5-397b-a17b
• • qwen3.5-plus

即可正常调用。

开源权重与本地部署

如前所述，Qwen3.5-397B-A17B模型权重已开源，采用Apache 2.0协议。 你可以通过Ollama、LM Studio、vLLM等工具本地运行。

权重下载渠道：

• • Hugging Face
• • GitHub
• • ModelScope

---

写在最后

凭借全新的视觉智能体、更强的性能与成本优化，Qwen3.5的发布堪称亮眼，不仅对国内其他模型形成压力，也直接挑战OpenAI、Anthropic等海外产品。

与今年其他新品（如GPT-5.3-Codex、Claude Opus 4.6）一样，行业重心正在明显向智能体AI转移。OpenClaw的快速走红证明，用户对AI的实用化落地需求强烈。 而Qwen3.5、Seedance 2.0，以及传闻中即将发布的DeepSeek等模型，也显示出中国正在快速成为AI模型领域的领跑者。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！