阿里近日在chat.qwen.ai平臺悄然推出兩款全新大模型——Qwen3.5-Plus與Qwen3.5-397B-A17B，支持文本與多模態任務處理。其中，Qwen3.5-Plus被定位為Qwen 3.5系列最新迭代的大語言模型，而Qwen3.5-397B-A17B則作為開源旗艦模型亮相，標志著該系列在技術開放與生態共建上邁出重要一步。
華為計算團隊同步宣布，基于昇騰AI算力，Qwen3.5開源模型已實現高效適配。通過MindSpeed MM框架與FSDP訓練后端技術，該模型在Atlas 800 A3、Atlas 900 A3SuperPoD等硬件上完成訓練復現，并支持vLLM-Ascend與SGLang框架在Atlas 800 A2、A3設備上的推理部署。這一進展顯著縮短了模型適配周期，為開發者提供“開箱即用”的體驗，同時降低多模態大模型的應用門檻。
技術層面，Qwen3.5系列實現底層架構全面升級。以Qwen3.5-Plus為例，其總參數規模達3970億，但激活參數僅170億，性能超越此前萬億參數的Qwen3-Max模型。得益于架構優化，該模型部署顯存占用減少60%，推理效率大幅提升，最大吞吐量可提升至19倍。另一旗艦模型Qwen3.5-397B-A17B在32k與256k上下文長度下，解碼吞吐量分別達到Qwen3-Max的8.6倍與19.0倍，同時保持性能相當。
在能力維度，Qwen3.5通過擴大視覺-文本語料訓練規模，強化中英文、多語言及STEM領域數據，并采用更嚴格的數據過濾機制。測試顯示，Qwen3.5-397B-A17B在多項基準測試中與參數量超1T的Qwen3-Max-Base表現持平。效率方面，基于Qwen3-Next架構，模型引入更高稀疏度的混合專家（MoE）設計、Gated DeltaNet與Gated Attention混合注意力機制，并優化穩定性與多token預測能力，顯著提升長文本處理效率。
通用性擴展是Qwen3.5的另一重點。通過早期文本-視覺融合訓練與擴展的視覺、STEM及視頻數據，模型實現原生多模態支持，在相近規模下優于前代Qwen3-VL。語言覆蓋范圍從119種增至201種語言及方言，詞表規模擴大至25萬（原為15萬），使多數語言的編碼與解碼效率提升10%-60%。這些改進使其更適應全球化應用場景，滿足跨語言、跨模態的復雜需求。
目前，開發者可通過魔樂社區、gitcode社區獲取vLLM框架部署指導，或訪問SGLang社區了解相關技術文檔。這一系列開放舉措旨在降低大模型應用門檻，推動AI技術在更多行業的落地與創新。
