千問3.5，把「貴」字從AI字典里刪了

文：王智遠 | ID:Z201440

今天除夕，阿里發(fā)了Qwen 3.5。

為什么阿里非要把這款大模型放在春節(jié)期間發(fā)布？因為春節(jié)是中國人最重要的日子，他們對這款產(chǎn)品有絕對的信心。

這款讓阿里「除夕夜加班」的模型，到底強在哪？

01

先看一組數(shù)字。Qwen 3.5-Plus，總參數(shù)3970億，激活只用了170億。

什么意思呢？打個比方：

一個公司有3970名員工，涵蓋各種領域的專家；但每次接到任務，他們不搞全員大會，只根據(jù)任務類型，精準叫醒最懂行的170個人出來干活。

結(jié)果呢？這170個人干的活，比對手1萬人的團隊、數(shù)百人的專家還要漂亮。

這就是「以小勝大」。

上一代Qwen3-Max是萬億參數(shù)，這一代Qwen3.5-Plus只有不到4000億總參數(shù)，但性能反超了；推理吞吐量最高提升19倍，部署成本降低60%。

翻譯成大白話即：跑得更快，吃得還少。憑什么能做到呢？憑阿里這次在底層架構(gòu)上動了三刀。

第一個刀法叫「混合注意力機制」。以前大模型處理長文本，像一個人讀一本厚厚的書，每讀一個字都要回頭復習前面所有的字。

讀到第1萬字，得把前面9999個字都過一遍；這誰受得了？

千問3.5的做法：重要的內(nèi)容精讀，次要的內(nèi)容略讀，像人讀書一樣，該快的地方快，該慢的地方慢。效率和精度，同時保住了。

第二個刀法叫「極致稀疏MoE」。

前面說的那3970名員工，每次只叫醒最相關的17個，這叫「稀疏」，誰懂誰進來；過去那種「把所有專家都請到會議室」的稠密模型，太累了，看著陣仗大，其實大部分人在玩手機。

第三個刀法叫「多Token預測」。

以前模型生成文字，是一個字一個字往外蹦，蹦完第一個想第二個，蹦完第二個想第三個。

千問3.5換了個思路：先想好接下來幾步說什么，然后一口氣說出來。就像你聊天，是想好一整句話再說。結(jié)果呢？響應速度翻倍。

注釋：同樣的時間內(nèi)，千問3.5能吐出多少內(nèi)容。32K上下文時，它是Qwen3-Max的8.6倍；256K超長上下文時，直接飆到19倍。

值得一提的是，還有一個刀法叫「門控機制」。這是千問團隊拿了NeurIPS 2025最佳論文的技術。

簡單說，給注意力裝了個「智能水龍頭」，該放大的信息放大，該過濾的過濾，防止有效信息被淹沒，也防止無效信息瞎嚷嚷。

這個水龍頭裝在哪、怎么調(diào)，是人家一年前就開始琢磨的事，現(xiàn)在終于用上了。

所以，幾道下來，效果怎么樣？

考驗知識廣度的MMLU-Pro評測中，千問3.5拿了87.8分，超過GPT-5.2。專為難倒博士設計的GPQA難題集上，88.4分，超過Claude 4.5。

考驗模型能不能聽懂人話的IFBench指令遵循測試中，76.5分，刷新所有模型紀錄。

至于動手能力，也就是行業(yè)里說的Agent智能體，BFCL-V4和Browsecomp兩個評測里，千問3.5全面超越Gemini 3 Pro和GPT-5.2。

說白了，樣樣強。但比分數(shù)更有意思的是方向。

過去兩年，大模型行業(yè)信奉「大力出奇跡」，參數(shù)從千億堆到萬億，性能確實在漲；代價也在漲，部署要專用集群，推理要燒算力，中小企業(yè)用不起，端側(cè)設備跑不動。

千問3.5換了一條路：用技術創(chuàng)新替代參數(shù)堆砌，用架構(gòu)效率替代蠻力硬扛。這條路，至少目前看，走通了。

02

走通了，問題來了，當模型變得更聰明、更便宜，它能幫我們做什么？

用一個詞總結(jié)就是：原生多模態(tài)。

市面上很多模型也說自己「多模態(tài)」，能看圖、能識字。但仔細看，大多是拼裝的；先訓好一個語言模型，再外掛一個視覺模塊，中間靠「適配器」勉強對齊。

有的產(chǎn)品甚至在后臺做路由分發(fā)，你發(fā)一張圖，它悄悄轉(zhuǎn)給另一個模型處理，用戶以為是一個模型全能，其實多個模型輪班。

千問3.5走了一條不同的路。

預訓練第一天起，在文本、視覺混合數(shù)據(jù)上一起學。不是先學會說話再睜開眼睛，是一邊看世界一邊學說話。

視覺和語言在同一個神經(jīng)網(wǎng)絡里深度融合，看到一張圖，自然就懂它的語義；讀到一段文字，腦子里能自動構(gòu)建對應的畫面。沒有中間翻譯，沒有信息折損。

這叫「原生」。

智遠認為，「原生」價值在于它為后續(xù)的能力進化埋下了伏筆，因為只有從底層打通了視覺和語言，模型才可能真正理解物理世界的邏輯，這是通往AGI的必經(jīng)之路。

打通之后，千問3.5能做什么？

先說看得見的。

它能理解長達2小時的視頻；你扔進去一部電影，它能分析劇情走向、人物關系、因果關系，是真的看懂了時間線上的變化。

它能對圖像做像素級定位，你想改圖上某個地方，說句話它就懂；它還能把手繪的界面草圖直接轉(zhuǎn)成可運行的前端代碼，產(chǎn)品經(jīng)理畫個框，程序員不用寫了。

甚至，它能看懂截圖里的UI問題，然后自動修復。

數(shù)字也能說明問題；多模態(tài)推理的MathVison評測里，千問3.5拿了第一。通用視覺問答RealWorldQA里，第一。OCR文字識別CC_OCR里，第一。

空間智能RefCOCO里，第一。視頻理解MLVU里，還是第一。相比上一代的千問視覺專項模型，千問3.5的空間定位推理、帶圖推理能力都大幅增強，看得見，還看得準。

有了「看懂世界」的能力，千問3.5開始「動手辦事」了。

它可以自主操作手機和電腦，跨應用完成復雜任務。你說「幫我把昨晚聚會的照片整理成相冊，再挑幾張發(fā)朋友圈」，它能自己打開相冊、篩選照片、編輯文案、切換到微信、發(fā)布。

一系列操作，不用你動手。

千問團隊還專門搭了一套強化學習框架，讓智能體在真實場景里反復練習，端到端效率提升3到5倍。

春節(jié)期間，千問App的AI購物Agent上線，6天時間幫用戶完成了1.2億筆訂單，這是全球第一次，AI在真實世界里大規(guī)模幫人辦事，還辦成了。

從「看懂」到「動手」，千問3.5邁出了關鍵一步。這些技術創(chuàng)新，對于商業(yè)有什么影響呢？

03

先說結(jié)論：價格便宜了，API價格每百萬Token只要0.8元，只有Gemini 3 Pro的1/18。

很多人第一反應：這不是賠本賺吆喝嗎？錯了。極致性價比，是設計出來的。如果補貼，那不可持續(xù)；但如果成本結(jié)構(gòu)本身就不一樣，那就是降維打擊。

那成本咋降的呢？就三點：

一，架構(gòu)本身就省錢。總參數(shù)3970億只激活170億，算力需求本來就少，成本天然就低。

第二，芯片幫了大忙。阿里有平頭哥，有自己真武芯片。這顆芯片針對MoE架構(gòu)做了大量優(yōu)化。

通用芯片跑MoE，很多算力浪費在「調(diào)度專家」這件事上；真武芯片專門為這種模式設計，相當于給模型配了個「懂行的調(diào)度員」，同樣的電，干更多的活。

這部分是云廠商自研芯片才有的紅利，第三方模型拿不到。

第三，云基礎設施的協(xié)同。

千問3.5的訓練和推理都在阿里云上跑，通過FP8/FP32混合精度這類底層優(yōu)化，激活內(nèi)存減少約50%，訓練提速10%。

不懂這兩個詞沒關系，你可以把它理解成，就像裝修時有的地方用實木、有的地方用復合板，整體效果不變但材料成本低了。

更關鍵的是，模型和云是「一家人」，調(diào)度、部署、擴容都比跨廠商順暢得多。這種效率損耗的減少，最終都折算成成本的降低。

三點說完就清晰了，千問3.5的便宜，是「設計」出來的。

當頂級模型變成白菜價，商業(yè)世界會發(fā)生什么？

門檻肯定拉平。過去調(diào)用頂級模型，中小企業(yè)要掂量掂量預算；現(xiàn)在每百萬Token 0.8元，相當于寫一本《三體》那樣的長篇小說，成本也就幾塊錢。

AI能力不再是巨頭的專利，創(chuàng)業(yè)團隊、個人開發(fā)者都用得起。

然后，是場景被激活；成本足夠低，開發(fā)者才敢放心大膽地用，做錯了重來，實驗失敗了再來一次，不心疼。這會催生一大批之前不敢想的AI應用。

沙利文數(shù)據(jù)顯示，千問在中國企業(yè)級大模型調(diào)用市場中位居第一；Omdia的數(shù)據(jù)說，2025年上半年，中國AI云市場阿里云占35.8%，超過第二到第四名總和。

2025年全年，阿里云在中國云市場的份額從33%提升到36%，領先優(yōu)勢進一步擴大。

這些數(shù)據(jù)說明一件事，在千問3.5發(fā)布之前，「Powered by 阿里云」就已經(jīng)是很多企業(yè)的默認選項。而今天，當新模型把性能推到新高、把成本打到新低，這個「默認選項」的勢能只會被進一步放大。

就像云計算當年把服務器成本打下來，催生了無數(shù)互聯(lián)網(wǎng)創(chuàng)新。模型、芯片、云形成的正循環(huán)，正在讓阿里云成為AI時代的基礎設施。

但，還有更狠的，阿里居然在春節(jié)把它開源了。

04

你想想，一個模型性能追平甚至超過GPT-5.2、Gemini 3 Pro，API價格只要人家的1/18，按理說藏著賣錢多好；阿里偏不，直接開源，代碼、權(quán)重全放出來，誰愛下誰下，誰愛改誰改。

圖啥呢？智遠覺得，阿里打的算盤是「建生態(tài)」。

你看幾個數(shù)字：

到今天，千問開源模型超過400個，什么尺寸都有，從0.5B的小模型到400B的大模型，純文本的、視覺的、多模態(tài)的，覆蓋得嚴嚴實實。

全球開發(fā)者基于千問做的衍生模型，超過20萬個；下載量突破10億次，甚至單月下載量比DeepSeek、Meta、OpenAI、智譜、Kimi、MiniMax這六家加起來還多。

李飛飛團隊在用，愛彼迎在用，全球各地的創(chuàng)業(yè)公司、個人開發(fā)者都在用。

這意味著什么？

千問成了AI圈的「公共基礎設施」。你做項目，想找個開源模型，不用糾結(jié)選哪個，因為千問最好用、最全、還免費，你用著用著，就習慣了；習慣著習慣著，就離不開了。

這就是開源的魔力。

歷史上，這套打法被驗證過兩次。第一次是Linux。上世紀90年代，服務器操作系統(tǒng)還是Windows NT和各種Unix的天下，Linux橫空出世，免費、開源、全世界一起改bug。

一開始沒人當回事，覺得「免費的東西能好到哪去？」結(jié)果呢？今天互聯(lián)網(wǎng)服務器超過96%跑在Linux上；沒人問「為什么不用Windows Server」，因為Linux就是默認選項。

安卓也這么干的。手機廠商想做系統(tǒng)，要么自己從頭造（累死），要么用安卓（省事）；結(jié)果全球幾十億臺手機，都跑在安卓上。

阿里現(xiàn)在做的，就是AI時代的Linux和安卓。

把最強模型開源，讓全球開發(fā)者幫你迭代、幫你完善、幫你把它用到各種奇奇怪怪的場景里；衍生模型越多，生態(tài)就越厚；生態(tài)越厚，后來者就越難繞過。到最后，「用千問」就變成了「不用思考的事」。

而且這個生態(tài)，最后會流回阿里云。

你想，開發(fā)者用千問做應用，跑在哪里？最順手、最便宜、最沒兼容問題的地方，當然是阿里云；企業(yè)用千問做業(yè)務，調(diào)API找誰？當然是「模型芯片云一家人」的阿里云。

這就是閉環(huán)，開源吸引開發(fā)者，開發(fā)者繁榮生態(tài)，生態(tài)帶動云服務，云服務反哺模型迭代；一圈轉(zhuǎn)起來，越轉(zhuǎn)越快。

智遠認為，這才是阿里「除夕開源」的真正用意，搶未來十年的生態(tài)位；所以，你看，千問3.5發(fā)布，表面是技術事件，其實阿里在AI時代布的一盤大棋。

千問3.5憑什么「以小勝大」？因為有技術創(chuàng)新、有原生多模態(tài)、有極致性價比、有開源技術。

大模型的「噸位戰(zhàn)」結(jié)束了。

接下來比的，是誰能讓更多人用得起、用得上、用得順手；參數(shù)不重要，效率才重要；跑分不重要，生態(tài)才重要；閉源不重要，開源才重要。

2026年剛開始，阿里就把牌桌掀了。接下來，就看其他人怎么跟。

對了，開發(fā)者現(xiàn)在就能上手，魔搭社區(qū)和HuggingFace已經(jīng)可以下載新模型，想直接調(diào)API的，去阿里云百煉就行。