阿里巴巴发布原生多模态的 Qwen3.5

背景

阿里巴巴通义千问团队此前已发布 Qwen3 一代模型，Qwen3.5 是该系列的下一代。它的设计把视觉与语言视为同一个基础模型，而不是在语言模型之后再附加一个视觉模块。^[1]

发生了什么

2026年2月，阿里巴巴发布 Qwen3.5。开放旗舰 Qwen3.5-397B-A17B 于2026年2月16日发布在 Hugging Face 上。2月24日至28日之间，较小的开放模型相继推出，包括 122B-A10B、35B-A3B、27B、9B、4B、2B 和 0.8B。^[2][3]

关键细节

旗舰模型总参数 3970 亿，每个词元激活 170 亿。它采用60层结构，结合门控 DeltaNet 与门控注意力模块，其中混合专家层共有 512 个专家，每次激活 10 个路由专家与 1 个共享专家。权重以 Apache 2.0 许可证发布。^[1]

阿里巴巴报告的成绩包括：MMLU-Pro 为 87.8，AIME26 为 91.3。托管版本 Qwen3.5-Plus 的默认上下文为 100 万个词元并内置工具，阿里巴巴称该模型可以操作电脑和手机应用。^[1][3]

影响

此次发布之所以重要，是因为它在一个开放模型系列中同时结合了多模态输入、长上下文和智能体式的工具调用。

发布中的几个术语值得说明。原生多模态指视觉与语言从训练开始就一起学习，而不是在已完成的语言模型上另外接入视觉编码器。混合专家模型对每个词元只激活部分参数，这就是旗舰模型总规模与激活规模不同的原因。智能体式的工具调用指模型在完成任务时可以调用外部工具，例如搜索或代码执行。