吞吐量提升19倍！千問攤牌了：AI春節檔大魔王就是在下

選擇了除夕這一天，Qwen3.5發布的時間點有些微妙。

馬年春節在即，各家原生AI App紅包大戰已經進入白熱化。與其說這是一次紅包大戰，不如說是一次應用入口的爭奪。哪家AI廠商能先把模型能力嵌進現實場景，就可能在AGI競逐的賽道上搶占先機。

所以，Qwen3.5選擇在此時登場，無疑在“紅包大戰”的氛圍中，完成了一次對自身AI技術和能力的背書。

官方數據顯示，Qwen3.5-Plus只用了不到3970億參數，激活僅170億，性能就超過上一代萬億模型Qwen3.0-Max。

Qwen3.5延續了“發布即開源”的傳統，在多模態理解、復雜推理與Agent能力上對標閉源第一梯隊，這是一種能力與效率同時兌現的信號。

過去一段時間，行業內對于開源生態的認知在不斷刷新。Hugging Face CEO德朗格此前公開表示，開源模型正在以前所未有的速度逼近閉源體系。

而在模型研發的策略上，單純追求參數規模的時代已逐漸褪去。AI2資深研究員Nathan Lambert曾在一檔訪談中提出：“單位算力釋放多少智能，正在成為新的競爭核心。”

這一點在Qwen3.5上體現得尤為明顯。通過架構層的系統優化，Qwen3.5-Plus推理效率大幅提升，最大推理吞吐量可提升至19倍。這正是AI超級入口背后真正需要的底層支撐。

換言之，Qwen3.5也許是AI春節檔真正的“殺手锏”。

當模型足夠強、成本足夠低、算力棧足夠完整，AI才有可能成為現實世界的映射與執行層。

某種程度上，阿里正在嘗試構建一套類似Google的AI棧：上層是Qwen模型作為通用智能基座，中層是阿里云作為分發與算力平臺，底層是以平頭哥為代表的自研芯片體系。

隨著AI“三駕馬車”的產業布局成型，阿里有望在全球AI競爭格局已經構筑起名為“生態”的護城河。

01

突破開源上限，Qwen讓千問充滿想象

Qwen3.5不是一次簡單迭代。從Qwen2.5補強多模態與長上下文，到Qwen3引入MoE與推理增強，再到Qwen3.5強化綜合能力與真實場景表現，Qwen幾乎每代都在關鍵能力上前進一步。

在技術指標上，Qwen3.5-Plus用397B總參數、17B激活規模完成一次“以小勝大”的架構躍遷。其性能媲美Gemini-3-pro、GPT-5.2等頂級閉源模型，同時相較上一代Qwen3-Max，部署成本下降60%、推理速度提升8倍。

據了解，Qwen3.5-Plus的API價格每百萬Token低至0.8元，僅為Gemini 3 Pro的1/18。這一效能提升得益于千問團隊自研的門控技術成果，結合線性注意力機制與稀疏混合專家MoE模型架構，才實現了近400B總參數，激活僅17B的極致模型效率。

對于在C端持續發力的千問而言，Qwen3.5的這一效能提升的意義不言自明。硅谷知名投資人Elad Gil幾周前接受采訪時指出，隨著 AI 競爭進入成熟階段，推動 AI 推理成本下降、提高模型部署效率將成為真正的競爭核心。

在春節紅包大戰的流量高峰下，這種效率躍遷變得尤為關鍵，想要成為C端的AI頭部產品，模型服務一定要有能力承接真實用戶的高頻使用。

這個春節檔，千問App也加入紅包戰局，以“請客送奶茶”等真實辦事場景拉動交互體驗，把能力直接推向生活場景，6天時間就幫用戶完成了1.2億筆訂單，在全球首次實現大規模真實世界任務執行和商業化驗證。

Qwen3.5落地后，有望進一步優化千問App的agent能力，提升“AI辦事”的效率和準確性。當Agent能力、多模態理解與復雜推理被同時強化，Qwen正讓千問APP的未來充滿想象。

另一方面前幾代的Qwen大語言模型不同，Qwen3.5在跨模態理解力上實現了能力躍遷，“原生多模態”讓視覺與語言在同一空間內學習，減少拼裝帶來的割裂。

這意味著，Qwen3.5不只是識別圖片，而能做像素級定位與精細處理，把視覺信息當作可推理的結構化輸入。在視頻理解上，Qwen3.5能對圖像進行像素級空間定位與代碼級精細處理，能理解長達2小時視頻中的時序演變與因果關系。

更具產品想象力的是“草圖到代碼”：Qwen3.5可以把手繪意圖直接轉成可運行前端，甚至可以作為視覺智能體自主操控手機與電腦，跨應用完成多步驟復雜任務，讓模型在創作與開發之間充當翻譯器。

出色的視覺能力，讓Qwen3.5也實現了從Agent框架到Agent應用的突破。目前，千問團隊構建了一個可擴展的Agent異步強化學習框架，端到端可加速3到5倍，并將插件式智能體Agent支持擴展至百萬級規模。

事實上，Qwen3.5只是阿里多模態布局的冰山一角。目前，阿里在多模態理解和多模態生成領域均取得了突破性成果。

就在一周前，千問剛剛發布集生圖和編輯能力于一身的Qwen-image-2.0，在權威榜單AI Arena中位居全球前三，被譽為國產Nano Banana Pro。如今，隨Qwen3.5在視覺理解能力上又實現了突破，Qwen模型矩陣的全模態能力取得了跨越式進展。

到這一步，模型就已經開始具備執行現實操作”的雛形。如果說過去的千問更多承擔“回答問題”，那么隨著Qwen進入3.5版本，它更可能成為“解決問題”的核心引擎。

02

三駕馬車牽引，阿里要做全能AI棧玩家

Qwen3.5所帶來的效率躍遷，在本質上改變了模型與算力之間的依賴關系，模型優化的重心也從“規模競賽”轉向“系統協同”。

這一點與Google近年來的AI戰略路徑不謀而合。Google之所以能長期站在AI第一梯隊，不是因為每一代模型都能領先行業，而在于“協同”二字。

在Google的AI戰略中，Gemini的迭代一直與Vertex AI平臺及TPU硬件協同演進，形成“模型—平臺—算力”一體化結構。

阿里正在用“千問—阿里云—平頭哥”的三駕馬車，打造同一套全棧AI體系：模型負責能力密度，云負責規模化交付，芯片負責自主算力基座，同時增加供給側的彈性。

在算力側，平頭哥作為阿里自研芯片體系的重要一環，持續推進AI芯片與系統級優化布局。新一代AI芯片如真武810E已在線上部署于阿里云集群，豐富了阿里在算力側的自主能力，為大模型訓練與部署提供更深層次算力集成基礎。

根據Omdia的數據，阿里云在中國AI云市場份額已達到35.8%，說明阿里已經具備把模型變成“可交付服務”的平臺底盤。

與此同時，全球知名IT研究與咨詢機構Gartner在2025年“GenAI技術創新指南”中將阿里云在GenAI云基礎設施、工程與模型等多個維度列入“Emerging Leaders（新興領導者）”象限，意味著其產品成熟度與市場影響力已進入全球主流競爭區間。

縱觀全球AI產業，Google與阿里是少數能在模型、平臺、算力三條線同時給出體系答案的代表性玩家。

Vertex AI可以把模型能力封裝成企業可持續調用的服務，同時提供新的商業化訂閱入口。TPU的長期投入則體現了對單位推理成本與算力供給主動權的控制，這是Google AI競爭力的重要來源。

對照這一結構，Qwen3.5的效能提升為阿里云的規模化部署創造了條件，使模型能力可以在更低資源消耗下完成高并發服務。

與Google以閉源平臺為核心的路徑不同，阿里選擇以開源驅動生態擴散，再通過云端承接規模化交付，形成另一種全棧邏輯，既更廣泛、更低門檻的創新基礎設施。

在開源生態層面，Qwen已成為全球下載量領先的開源模型之一。公開數據顯示，其衍生模型數量突破20萬，累計下載量超10億次，Hugging Face開源榜單前列長期由通義系列占據；ModelScope聚集超12萬模型，服務超2000萬開發者。模型熱度正在向產業落地轉化。

傳統閉源模式下，企業往往必須依賴平臺提供方的API和許可，不僅成本隨使用規模線性增長，還面臨定制能力有限的問題。對比之下，開源模型能夠在本地部署、深度微調，可以對不同行業場景進行縱向優化和創新迭代。

利用這種開放路線，阿里云已經迅速進入產業腹地。國家電網基于千問打造“光明電力大模型”，專業能力較基座模型提升20%；工商銀行用Qwen-VL-Max落地“商戶智能審核助手”，實現多模態風控自動化；寶馬、比亞迪、榮耀等廠商把千問能力嵌入智能座艙與終端設備。

龐大的開源生態支持下，Qwen已經嵌入工業生產線、金融風控系統、能源調度平臺與消費電子終端之中，成為真實場景背后的智能基座。

“阿里通義千問選擇開放路線，打造AI時代的Android。”2025年云棲大會上，阿里巴巴CEO吳泳銘曾這樣描述Qwen的未來愿景。如今，Qwen3.5正驅動著這一愿景逐漸照進現實。