Qwen3.5是什么？2026年原生多模态AI模型深度解析
BLUF 摘要
嘿，各位，通义千问团队刚发了 Qwen3.5，首款开源模型是 Qwen3.5-397B-A17B，值得关注。亮点是它用了“线性注意力+稀疏MoE”的混合架构，总参数量3970亿但每次推理只激活170亿，效率很能打。性能上，在推理、编程、多模态和智能体任务上全面对标甚至超越GPT-5.2、Claude 4.5这些头部模型。另外，支持的语言从119种扩展到201种，对全球部署更友好。如果你在做高性价比的大模型落地或智能体应用，这篇值得细读。
QWEN CHAT | GitHub | Hugging Face | ModelScope | DISCORD
我们很高兴地宣布 Qwen3.5 正式发布，并开源了 Qwen3.5 系列的首个模型权重：Qwen3.5-397B-A17B。作为一个原生的视觉-语言模型，Qwen3.5-397B-A17B 在推理、编程、智能体能力和多模态理解等一系列基准评估中均展现出卓越的性能，旨在赋能开发者和企业实现显著的生产力提升。该模型基于创新的混合架构，融合了线性注意力（通过门控Delta网络）与稀疏专家混合技术，实现了卓越的推理效率：尽管模型总参数量高达 3970 亿，但每次前向传播仅激活 170 亿参数，在保持强大能力的同时，优化了速度与成本。此外，我们还将支持的语言和方言从 119 种扩展至 201 种，为全球用户提供了更广泛的可用性和增强的支持。
- Qwen3.5-Plus 是通过 阿里云Model Studio 提供的托管模型，其特点包括：
- 默认支持 1M 上下文窗口
- 官方内置工具及自适应工具调用能力
- a 1M context window by default
- official built-in tools and adaptive tool use
性能表现
以下我们展示了 Qwen3.5 模型在涵盖多种任务和模态的广泛评估任务中，与前沿模型的全面性能对比。
语言能力
| GPT5.2 | Claude 4.5 Opus | Gemini-3 Pro | Qwen3-Max-Thinking | K2.5-1T-A32B | Qwen3.5-397B-A17B | |
|---|---|---|---|---|---|---|
| 知识 | ||||||
| MMLU-Pro | 87.4 | 89.5 | 89.8 | 85.7 | 87.1 | 87.8 |
| MMLU-Redux | 95.0 | 95.6 | 95.9 | 92.8 | 94.5 | 94.9 |
| SuperGPQA | 67.9 | 70.6 | 74.0 | 67.3 | 69.2 | 70.4 |
| C-Eval | 90.5 | 92.2 | 93.4 | 93.7 | 94.0 | 93.0 |
| 指令遵循 | ||||||
| IFEval | 94.8 | 90.9 | 93.5 | 93.4 | 93.9 | 92.6 |
| IFBench | 75.4 | 58.0 | 70.4 | 70.9 | 70.2 | 76.5 |
| MultiChallenge | 57.9 | 54.2 | 64.2 | 63.3 | 62.7 | 67.6 |
| 长上下文 | ||||||
| AA-LCR | 72.7 | 74.0 | 70.7 | 68.7 | 70.0 | 68.7 |
| LongBench v2 | 54.5 | 64.4 | 68.2 | 60.6 | 61.0 | 63.2 |
| STEM | ||||||
| GPQA | 92.4 | 87.0 | 91.9 | 87.4 | 87.6 | 88.4 |
| HLE | 35.5 | 30.8 | 37.5 | 30.2 | 30.1 | 28.7 |
| HLE-Verified¹ | 43.3 | 38.8 | 48 | 37.6 | -- | 37.6 |
| 推理 | ||||||
| LiveCodeBench v6 | 87.7 | 84.8 | 90.7 | 85.9 | 85.0 | 83.6 |
| HMMT Feb 25 | 99.4 | 92.9 | 97.3 | 98.0 | 95.4 | 94.8 |
| HMMT Nov 25 | 100 | 93.3 | 93.3 | 94.7 | 91.1 | 92.7 |
| IMOAnswerBench | 86.3 | 84.0 | 83.3 | 83.9 | 81.8 | 80.9 |
| AIME26 | 96.7 | 93.3 | 90.6 | 93.3 | 93.3 | 91.3 |
| 通用智能体 | ||||||
| BFCL-V4 | 63.1 | 77.5 | 72.5 | 67.7 | 68.3 | 72.9 |
| TAU2-Bench | 87.1 | 91.6 | 85.4 | 84.6 | 77.0 | 86.7 |
| VITA-Bench | 38.2 | 56.3 | 51.6 | 40.9 | 41.9 | 49.7 |
| DeepPlanning | 44.6 | 33.9 | 23.3 | 28.7 | 14.5 | 34.3 |
| Tool Decathlon | 43.8 | 43.5 | 36.4 | 18.8 | 27.8 | 38.3 |
| MCP-Mark | 57.5 | 42.3 | 53.9 | 33.5 | 29.5 | 46.1 |
| 搜索智能体 | ||||||
| HLE w/ tool | 45.5 | 43.4 | 45.8 | 49.8 | 50.2 | 48.3 |
| BrowseComp | 65.8 | 67.8 | 59.2 | 53.9 | --/74.9 | 69.0/78.6 |
| BrowseComp-zh | 76.1 | 62.4 | 66.8 | 60.9 | -- | 70.3 |
| WideSearch | 76.8 | 76.4 | 68.0 | 57.9 | 72.7 | 74.0 |
| Seal-0 | 45.0 | 47.7 | 45.5 | 46.9 | 57.4 | 46.9 |
| 多语言能力 | ||||||
| MMMLU | 89.5 | 90.1 | 90.6 | 84.4 | 86.0 | 88.5 |
| MMLU-ProX | 83.7 | 85.7 | 87.7 | 78.5 | 82.3 | 84.7 |
| NOVA-63 | 54.6 | 56.7 | 56.7 | 54.2 | 56.0 | 59.1 |
| INCLUDE | 87.5 | 86.2 | 90.5 | 82.3 | 83.3 | 85.6 |
| Global PIQA | 90.9 | 91.6 | 93.2 | 86.0 | 89.3 | 89.8 |
| PolyMATH | 62.5 | 79.0 | 81.6 | 64.7 | 43.1 | 73.3 |
| WMT24++ | 78.8 | 79.7 | 80.7 | 77.6 | 77.6 | 78.9 |
| MAXIFE | 88.4 | 79.2 | 87.5 | 84.0 | 72.8 | 88.2 |
| 编程智能体 | ||||||
| SWE-bench Verified | 80.0 | 80.9 | 76.2 | 75.3 | 76.8 | 76.4 |
| SWE-bench Multilingual | 72.0 | 77.5 | 65.0 | 66.7 | 73.0 | 69.3 |
| SecCodeBench | 68.7 | 68.6 | 62.4 | 57.5 | 61.3 | 68.3 |
| Terminal Bench 2 | 54.0 | 59.3 | 54.2 | 22.5 | 50.8 | 52.5 |
HLE-Verified：这是“人类最终考试”的验证修订版，附带透明、组件化的验证协议和细粒度的错误分类。我们在 https://huggingface.co/datasets/skylenage/HLE-Verified 开源了该数据集。
TAU2-Bench：我们遵循官方设置，但在航空领域，所有模型都应用了 Claude Opus 4.5 系统卡中提出的修复方案进行评估。
MCP-Mark：GitHub MCP 服务器使用来自 api.githubcopilot.com 的 v0.30.3；Playwright 工具响应被截断为 32k 个 token。
搜索智能体：基于我们模型构建的大多数搜索智能体采用简单的上下文折叠策略（256k）：一旦累积的工具响应长度达到预设阈值，较早的工具响应将从历史记录中删除，以将上下文保持在限制范围内。
BrowseComp：我们测试了两种策略，简单的上下文折叠策略得分为 69.0，而使用与 DeepSeek-V3.2 和 Kimi K2.5 相同的“丢弃所有”策略则达到了 78.6。
WideSearch：我们使用 256k 上下文窗口，不进行任何上下文管理。
MMLU-ProX：我们报告了 29 种语言的平均准确率。
WMT24++：这是经过难度标注和重新平衡后的 WMT24 更难的子集；我们使用 XCOMET-XXL 报告了 55 种语言的平均分数。
MAXIFE：我们报告了在英语+多语言原始提示（共 23 种设置）上的准确率。
空单元格（--）表示分数尚不可用或不适用。
视觉语言能力
| GPT5.2 | Claude 4.5 Opus | Gemini-3 Pro | Qwen3-VL-235B-A22B | K2.5-1T-A32B | Qwen3.5-397B-A17B | |
|---|---|---|---|---|---|---|
| STEM与谜题 | ||||||
| MMMU | 86.7 | 80.7 | 87.2 | 80.6 | 84.3 | 85.0 |
| MMMU-Pro | 79.5 | 70.6 | 81.0 | 69.3 | 78.5 | 79.0 |
| MathVision | 83.0 | 74.3 | 86.6 | 74.6 | 84.2 | 88.6 |
| Mathvista(mini) | 83.1 | 80.0 | 87.9 | 85.8 | 90.1 | 90.3 |
| We-Math | 79.0 | 70.0 | 86.9 | 74.8 | 84.7 | 87.9 |
| DynaMath | 86.8 | 79.7 | 85.1 | 82.8 | 84.4 | 86.3 |
| ZEROBench | 9 | 3 | 10 | 4 | 9 | 12 |
| ZEROBench_sub | 33.2 | 28.4 | 39.0 | 28.4 | 33.5 | 41.0 |
| BabyVision | 34.4 | 14.2 | 49.7 | 22.2 | 36.5 | 52.3/43.3 |
| 通用VQA | ||||||
| RealWorldQA | 83.3 | 77.0 | 83.3 | 81.3 | 81.0 | 83.9 |
| MMStar | 77.1 | 73.2 | 83.1 | 78.7 | 80.5 | 83.8 |
| HallusionBench | 65.2 | 64.1 | 68.6 | 66.7 | 69.8 | 71.4 |
| MMBench EN-DEV-v1.1 | 88.2 | 89.2 | 93.7 | 89.7 | 94.2 | 93.7 |
| SimpleVQA | 55.8 | 65.7 | 73.2 | 61.3 | 71.2 | 67.1 |
| 文本识别与文档理解 | ||||||
| OmniDocBench1.5 | 85.7 | 87.7 | 88.5 | 84.5 | 88.8 | 90.8 |
| CharXiv(RQ) | 82.1 | 68.5 | 81.4 | 66.1 | 77.5 | 80.8 |
| MMLongBench-Doc | -- | 61.9 | 60.5 | 56.2 | 58.5 | 61.5 |
| CC-OCR | 70.3 | 76.9 | 79.0 | 81.5 | 79.7 | 82.0 |
| AI2D_TEST | 92.2 | 87.7 | 94.1 | 89.2 | 90.8 | 93.9 |
| OCRBench | 80.7 | 85.8 |
常见问题（FAQ）
Qwen3.5的性能表现如何？
Qwen3.5-397B-A17B在推理、编程、智能体能力和多模态理解等基准评估中均展现出卓越性能，其混合架构在保持强大能力的同时优化了推理速度与成本。
Qwen3.5支持多少种语言？
Qwen3.5将支持的语言和方言从119种扩展至201种，为全球用户提供了更广泛的可用性和增强的语言支持能力。
Qwen3.5的视觉语言能力有什么特点？
作为原生视觉-语言模型，Qwen3.5在多模态理解任务上表现卓越，融合了线性注意力与稀疏专家混合技术，实现了高效的多模态处理能力。
版权与免责声明：本文仅用于信息分享与交流，不构成任何形式的法律、投资、医疗或其他专业建议，也不构成对任何结果的承诺或保证。
文中提及的商标、品牌、Logo、产品名称及相关图片/素材，其权利归各自合法权利人所有。本站内容仅供参考，请以官方信息为准。
若本文内容或素材涉嫌侵权、隐私不当或存在错误，请相关权利人/当事人联系本站，我们将及时核实并采取删除、修正或下架等处理措施。 也请勿在评论或联系信息中提交身份证号、手机号、住址等个人敏感信息。
