前言
2025 年 DeepSeek 发布 DeepSeek-R1 后，国内厂商纷纷推出新品。今年除夕夜，阿里 Qwen 团队正式发布 Qwen3.5 模型，为国产大模型阵营再添一员猛将。
Qwen3.5 是目前全球最强的原生多模态开源大模型，支持图片和视频的多模态输入，在对话、推理、编程、Agent 构建等方面表现优异。其综合能力已达到 GPT-5.2、Gemini 3.0 Pro 的平均水平，推理能力尤为突出。例如逻辑题'50 米距离该走路还是开车去洗车'，Qwen3.5 也能轻松作答。
在 Vibe Coding 方面，Qwen3.5 可借助 Remotion Skills 一键生成视频；在 Agentic Coding 方面，其强悍的 Agent 性能即使用户使用最简略的需求描述，也能自动调用各类工具，完成复杂应用开发。视觉推理能力相较 Qwen3-VL 大幅提升，连'鲨鱼骑马 = 沙琪玛'这种梗图都能精准识别。
更令人惊艳的是，Qwen3.5 能够将视觉与代码能力结合，一步到位将视频内容'转译'为一个可交互的网页。可以说，Qwen3.5 的发布不仅填补了国内多模态开源大模型的空白，也为未来多模态 Agent 的开发奠定了坚实基础。本文将详细解读 Qwen3.5 的核心特性和性能。
一、Qwen3.5-397B-A17B 核心特性
1.1 预训练：能力、效率与通用性的全面升级
Qwen3.5 在预训练阶段从三个维度进行了深度优化：
- 能力（Power）：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 与推理数据的比重，采用更严格的过滤策略。最终，Qwen3.5-397B-A17B 与参数量超过 1T 的 Qwen3-Max-Base 表现相当，实现了跨代持平。
- 效率（Efficiency）：基于 Qwen3-Next 架构，引入更高稀疏度的 MoE、Gated DeltaNet + Gated Attention 混合注意力机制，配合稳定性优化与多 token 预测。在 32k/256k 上下文长度下，Qwen3.5-397B-A17B 的解码吞吐量分别达到 Qwen3-Max 的 8.6 倍/19.0 倍，以及 Qwen3-235B-A22B 的 3.5 倍/7.2 倍，性能不变但效率大幅提升。
- 通用性（Versatility）：通过早期文本 - 视觉融合与扩展的视觉/STEM/视频数据，实现了原生多模态能力，在相近规模下显著优于 Qwen3-VL。多语言支持从 119 种增至 201 种语言/方言；词表从 15 万扩展至 25 万，在多数语言上带来了约 10%~60% 的编码/解码效率提升。
