除夕重磅！千]问开源Qwen3.5，最大吞吐量提升至19倍

更新时间：2026-02-16 23:27 来源：牛马见闻

病房里的护“心”人照亮姐弟俩的重生路｜新春走基层

慕安会观察：德国也开始造美国的反...,德国偷偷发展军事

两人出现碰撞！公俐从第四到第二晋级决赛，期待运气依旧！

中科院通知NC、Science Advance等高分期刊版面费不予报销！

强行扣押中国渔船，高市早苗胜选就飘了？,日本高市早苗的照片

�千问 APP 与 PC 端�千问 3 是在纯文本 Tokens 上进行�为千问 3.

除夕夜，阿里?官宣发？布并开源新一代千问大模型千问 3.5（Qwen3.5-Plus）。这是继 2025 年除夕发布 Qwen2.5-Max 后，阿里又一次在除夕带来新一代模型。 现在，千问 APP 与 PC 端（qianwen.com）已经同步上线，用户可在页面顶部选择模型新一代模型，来体验千问 3.5 的能力。 去年除夕更新的 Qwen2.5-Max 重点在规模和性能，而这次，千问 3.5 更像是一场从纯文本模型到原生多模态模型的底层架构层面重构。 图丨现在打开千问，已经可调用新模型 Qwen3.5-Plus（来源：千问） 与前几代的千问大语言模型相比，千问 3.5 这次带来哪些模型性能的提升呢？ 从预训练来看，千问 3 是在纯文本 Tokens 上进行，而千问 3.5 的预训练则基于视觉和文本混合 token。也就是说，视觉理解不再像从前那样以外挂模块形式存在，而是同语言能力共同在底层建模“作战”。 此外，其还大幅新增了中英文、201 种语言与方语言、STEM 和推理等数据。这意味着，打破了以往的局限性，而是尝试让模型在更密集的世界知识和推理逻辑。 值得关注的是，千问 3.5 以少于 40% 的参数量实现了超万亿的 Qwen3-Max 基座模型的高性能。这背后反应的不是简单的堆参数，而是效率导向的架构优化。 （来源：千问） 在推理、编程、Agent 智能体等全方位基准评估中均表现优异： ·在指令遵循 IFBench 上，以 76.5 分刷新所有模型纪录； ·在 MMLU-Pro 知识推理评测中超越 GPT-5.2，获得 87.8 分得分； ·在博士级难题 GPQA 测评中得分为 88.4 分，高于 Claude 4.5，但与 GPT-5.2 的 92.4 分和 Gemini 3 Pro 相比仍有进步的空间； ·在通用 Agent 评测 BFCL-V4、搜索 Agent 评测 Browsecomp 等基准中，千问 3.5 表现与 Gemini 3 Pro、GPT-5.2 相比性能更优。 （来源：千问） 总体来看，这种原生多模态训练，为千问 3.5 的视觉能力带来了显著提升。千问 3.5 在多项权威测评中，均实现了最佳性能，包括多模态推理（MathVison）、通用视觉问答 VQA（RealWorldQA）、文本识别和文件理解（CC_OCR）、空间智能（RefCOCO-avg）、视频理解（MLVU）等。 可以看到的是，千问 3.5 不再是“语言强、视觉补”，而是在统一架构下形成了一种相对完整的能力矩阵。 （来源：千问） 千问 3.5 之所以能实现性能的显著提升，离不开性对 Transformer 经典架构的突破。 此前，千问团队自研的门控技术成果“Gated Attention for Large Language Models: Non-linearity, Sparsity, and Attention-Sink-Free”，获得全球 AI 顶会 2025 NeurIPS 最佳论文。 （来源：arXiv） 本次千问 3.5 创新的混合架构中已融合该技术，团队结合线性注意力机制和稀疏混合专家 MoE 模型架构，实现了“高参数、低激活”的结构：模型总参数规模达 397B，但每次推理仅激活 17B 参数。这种结构带来的好处可能是，模型在保持高性能能力的同时，推理效率大幅度提升。 （来源：千问） 根据千问官网，千问 3.5 通过训练稳定优化以及多 token 预测等系列技术，实现了 Qwen3.5 性能比肩 Qwen3-Max 模型，并在此基础上对推理效率进一步提升：在 32K 上下文场景中，千问 3.5 推理吞吐量可提升 8.6 倍；而在 256K 超长上下文中，Qwen3.5 推理吞吐量最大能实现 19 倍的提升。 这意味着，在长文本分析、复杂推理、Agent 调度等场景中，成本和延迟大幅下降。 （来源：千问） 基于优异的视觉能力，千问 3.5 还突破性地实现了从 Agent 框架到 Agent 应用，尤其是在提升操作效率方面。例如，能够自主操作手机与电脑，高效完成日常任务，在移动端支持更多主流 APP 与指令，在 PC 端可处理更复杂的多步骤操作，包括跨应用数据整理、自动化流程执行等。 同时，千问团队还构建了一个可扩展的 Agent 异步强化学习框架，基于此端到端可加速 3 到 5 倍，并将插件式智能体 Agent 支持扩展至百万级规模。这也是标志千问从对话模型向行动模型过渡转化。 千问透露，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。 放眼全球全球的大模型竞争已然不再只是比拼“更大、更准”，而是“更高效、更可执行”。千问 3.5 不仅是一次模型的更新，一场关于模型的效率革命，已经开始了。 参考资料： https://qwen.ai/blog?id=qwen3.5 https://github.com/qiuzh20/gated_attention 排版：刘雅坤

编辑：罗伯特·古德曼