千問3.5是阿里AI的“大一統”時刻

作者 ｜ Yoky
郵箱 ｜ yokyliu@pingwest.com

2026年2月5日，春節前夕，阿里巴巴集團內部完成了一項看似低調卻意義深遠的調整：將旗下AI的總稱和核心品牌統一為“千問”。

直到2月16日的大年三十，阿里發布了最新的開源模型千問3.5。用一款模型整合了原生多模態，在視覺理解、復雜推理、Agent智能體等核心能力維度全面整合到統一的預訓練架構中。

Qwen3.5-Plus 總參數 3970 億，但推理時僅激活 170 億，以不到 5% 的參數撬動了全部智能。在多項基準測試中性能媲美GPT-5.2、Gemini-3-pro等閉源第一梯隊模型，甚至超越了自家上一代萬億參數的Qwen3-Max。用更小的模型，跑出了更強的性能。而成本不升反降，API價格僅為同等性能Gemini 3 Pro的1/18，部署顯存占用相比上一代降低60%，推理效率大幅提升，最大推理吞吐量可提升至19倍。

你會發現這不只是一次品牌的統一，更是組織的統一、架構的統一，最終指向AI戰略的統一。

當“千問”成為一個貫穿技術、產品與商業的統一符號，當Qwen3.5用“一款模型打天下”的策略在春節檔炸場，它不再只是又一次榜單刷新，而是阿里AI戰略從分散走向協同、從單點突破走向系統作戰的集中呈現。

1

Qwen3.5憑什么再掀巨浪？

Qwen3.5的出現意味著，企業可以用過去幾分之一的成本，部署性能頂級的AI系統，參考R1曾經干的事，用更小的參數規模、更低的部署成本獲得更強的智能表現。

但這并非一夜之間的靈光乍現，而是Qwen系列一以貫之的戰略延續：從Qwen1.5到Qwen2.5，再到今天的Qwen3.5，阿里巴巴的優化方向從來不是“如何把模型做得更大”，而是“如何用更小的模型，做出頂尖的性能”。

早在Qwen1.5時代，阿里就推出了從0.5B到110B的完整參數譜系，在千億級模型上驗證了規模與效率的平衡之道。Qwen2.5延續這一思路，72B模型以不到Llama3 405B五分之一的參數規模實現性能超越，而1.5B量級的小模型在數學推理和編程等領域同樣展現出驚人的能力密度。這種“以小勝大”的能力，不是偶然的某一次爆發，而是貫穿每一代產品的穩定輸出。

正是這種貫穿每一代的戰略定力，讓Qwen3.5的突破有了更深層的意義：它不只是又一次刷新榜單，而是將“以小勝大”的能力從單一的語言智能，拓展到了更廣闊的多模態世界。

當前行業多模態模型多走“拼裝”路線，語言模型外掛視覺模塊，常導致視覺增強而語言“降智”。而Qwen3.5選擇了一條更深入，也更復雜的道路，從預訓練第一天起就在海量的文本與視覺混合數據上聯合學習，讓視覺與語言在統一參數空間深度融合，從而讓模型真正具備跨模態直覺理解力，能像素級定位圖像、理解2小時視頻時序、將手繪草圖轉前端代碼，甚至作為視覺智能體操控手機電腦。

在復雜推理與Agent能力上，Qwen3.5通過混合注意力機制、極致稀疏MoE架構、原生多Token預測及注意力門控機制等核心技術協同作用，實現動態分配計算資源、以不到5%激活參數調動397B總參數知識儲備，推理速度翻倍的同時確保訓練穩定可靠。

下面這個案例，是簡單幾步在OpenClaw里配置了Qwen3.5，讓它進行搜索過去一個月內發布的新 AI 模型，將信息匯總成一份報告，并最終自動將生成 PDF 文件直接在聊天窗口中發送回給我。

從搜索、整合信息到排版生成文件，再到跨平臺發送，最終輸出的報告不僅列出了模型，還包含了 “SWE-Bench” 基準測試對比表，顯示了各模型在解決軟件工程問題上的表現。

4000 億參數超越萬億參數，API 價格僅為同等性能 Gemini 3 Pro 的 1/18……這些數字單獨看是產品迭代，放在一起看，則意味著一個拐點的到來：頂級AI能力不再是高算力、高成本的閉環游戲，而是變成個人開發者、創業團隊、中小企業也能觸碰的基礎能力。

1

一個統一的阿里

在全球所有模型廠商里，阿里都是一個特殊的存在。大多數AI公司要么專注模型研發，要么深耕芯片設計，要么依托云基礎設施，但極少有廠商能將這三者同時握在手中，并讓它們在一個統一的戰略目標下協同運轉。

但阿里做到了。

Qwen3.5的背后，站著整個阿里云的技術體系。Qwen3.5的“極致性價比”并非孤立的技術成果，而是模型、芯片與云協同創新的產物。

在模型層面，千問大模型團隊持續迭代，從Qwen2.5到Qwen3再到Qwen3.5，每一代都在關鍵能力維度上突破開源模型的天花板，穩定輸出天花板級產品。在芯片層面，平頭哥自研的“真武”芯片針對MoE架構模型做了大量優化，可滿足千問大模型對大規模計算的需求，讓芯片與模型聯合設計，發揮極致算力潛力。

更重要的是，阿里云提供從訓練到推理的全鏈路優化，比如通過設計精巧的FP8/FP32精度應用策略，激活內存減少約50%，訓練提速10%，且這套方案被統一部署到強化學習訓練和推理的全流程中，全面降低了多模態模型擴展的成本和復雜度。在智能體訓練上，團隊還專門搭建了一套大規模強化學習框架，覆蓋純文本、多模態和多輪對話等各種場景，整體效率提升3到5倍，讓模型能在海量真實場景中反復實戰、持續進化。

這種模型、芯片和云的軟硬件緊密耦合，最終實現了“1+1+1>3”的效果，不僅能更好發揮芯片的算力潛力，提升集群的算力效率，還能有效提升模型訓練與推理的效率。得益于此，Qwen3.5的API價格進一步探底，而開源協議Apache 2.0的完全開放，讓全球開發者得以零門檻使用、研究甚至二次開發世界頂級的多模態AI能力。

放眼全球，有能力將這三者深度耦合的科技公司屈指可數，而阿里是其中之一，也是唯一走通開源路線的那個。

這種協同創新的成果，正在以驚人的速度轉化為生態效應。截至目前，千問模型的開源數量已超400個，衍生模型突破20萬個，下載量超10億次。

在中國企業級大模型調用市場中，千問位居第一，并成為阿里云新增需求的主要驅動力，帶動計算、存儲及數據庫等基礎資源消耗的增長。根據Omdia數據，2025年上半年，中國AI云整體市場規模達223億元，阿里云占比35.8%，超過第二到第四名總和；阿里云在中國云市場的整體份額也從33%提升至36%，領先優勢持續擴大。

這些數字背后是一個正在加速成型的正循環：開源吸引開發者，開發者催生應用，應用反哺云和芯片業務，業務收益再投入下一代模型研發。而當技術本身足夠高效，成本就不再是需要刻意壓縮的東西，它自然就低了。Qwen3.5讓“最強”和“最便宜”，同時出現在了一個模型上。

回看過去幾十年的科技產業史，Linux定義了服務器時代，Android定義了移動時代，它們的共同點是開源、免費、無處不在，最終成為整個產業默認的底層。

而它們的背后，都站著一個能夠調動全棧資源、保持戰略定力的推動者。今天的阿里，正在扮演這個角色。

當組織統一、戰略統一、技術協同成為常態，“千問”就不再只是一個模型系列的名稱，而是AI時代基礎設施的代名詞。

點個“愛心”，再走 吧