AI春節檔最強殺手锏來了！千問3.5除夕強勢亮相，開源SOTA、性價比之王

“大模型進入原生多模態時代！”

作者丨劉偉

編輯丨林覺民

這可能是有史以來AI濃度最高的一次春節。千問、豆包、元寶等 C 端 AI助手爭相贊助春晚，借紅包與補貼快速拉升日活；各家基礎大模型也悄然迭代版本，蓄勢展開行業角逐。

而這輪AI春節檔迎來了最強殺手锏！2 月 16日除夕當天，阿里開源全新一代大模型Qwen3.5-Plus，其性能媲美Gemini-3-pro、GPT-5.2等頂級閉源模型，一舉登頂全球最強開源模型寶座。

這款模型在模型架構上全面創新，是旗下首款原生多模態模型，并且在性能和推理效率上均實現大幅提升。此次發布的Qwen3.5-Plus 總參數達 3970 億，實際激活僅 170 億，性能卻超越萬億參數的 Qwen3-Max 模型；同時部署顯存占用降低 60%，最大吞吐量可提升至19倍，真正實現以小勝大。

實測結果顯示，千問 3.5 在 MMLU-Pro 認知能力評測中拿下 87.8 分，超越 GPT5.2；在博士級難題 GPQA 測評中斬獲 88.4 分，高于 Claude 4.5；在指令遵循 IFBench 評測中以 76.5 分刷新所有模型紀錄；在通用 Agent 評測 BFCL-V4、搜索 Agent 評測 Browsecomp 等基準中，表現均超越 Gemini-3-Pro。

這次，阿里還把底層模型架構和AI infra創新的紅利釋放給了廣大企業和開發者，千問 3.5 加量不加價 —— 性能大幅躍升的同時，使用成本再創新低。阿里云百煉上的千問 3.5 API 價格已經出爐：每百萬 Token 輸入低至 0.8 元，僅為 Gemini-3-pro 的 1/18。

01

模型架構多項創新，

千問3.5性能、效率大幅提升

過去數年，大模型行業陷入近乎偏執的 “參數崇拜”。從千億到萬億，參數規模的膨脹被視作性能提升的唯一路徑，而這種粗放式發展也存在諸多問題：部署門檻高，推理消耗天價成本…… 技術創新與實際應用之間，形成一道難以跨越的鴻溝。

Qwen3.5-Plus打破了這一固有思路，它不僅在架構層面實現創新，還采用了全新的原生多模態預訓練范式，直接打破開源模型的性能天花板。

Qwen3.5-Plus 的技術與架構創新，主要體現在四大核心維度：首先是注意力機制的革新。面對長文本，傳統 Transformer 模型需對每個詞與所有上下文做全量計算，算力消耗隨文本長度指數級增長。Qwen3.5-Plus 引入混合注意力機制，讓模型學會 “有詳有略地讀”，自動識別關鍵信息精讀、非關鍵部分快讀，既大幅降低長文本處理的算力成本，又保障信息處理精度。

其次是架構層面的代際躍遷。Qwen3.5-Plus 采用極致稀疏的混合專家（MoE）架構。傳統稠密模型每次推理都要激活全部參數，如同讓整個工廠的工人同時作業，無論任務大小；而 MoE 架構恰似一支特種部隊，僅根據任務需求調用最相關的 “專家” 子網絡。Qwen3.5-Plus 將這一理念做到極致 ——3970 億總參數中，僅需激活不到 5%（170億），就能調動全部知識儲備，從根本上解決算力浪費問題。

三是原生多Token預測。以往的模型如同打字時每按一個鍵都要停頓思考下一個字，效率低下；而千問3.5在訓練時就學會了 “預判”，能同時規劃多個詞甚至一整句話的輸出并一次性生成。這并非簡單的多字打包發送，而是模型在內部真正 “提前規劃” 后續內容，讓長文本生成、代碼補全、多輪對話等高頻場景的響應速度近乎翻倍，用戶能感受到近乎 “秒出” 的流暢體驗。

最后是系統級訓練穩定性優化。為讓模型在超大規模訓練中保持穩定，千問團隊完成多項底層優化。根據官方信息，阿里千問團隊入選NeurIPS2025最佳論文的注意力門控機制研究這次也被用上了，一年前的前瞻性研究現在已成為打破模型性能天花板的重要一環。在256K超長上下文情況下，千問3.5推理吞吐量最大提升至19倍，推理效率大幅提升。

值得注意的是，和絕大多數多模態模型不同，Qwen3.5-Plus在多模態理解的實現上嘗試了新的路徑。據介紹，從預訓練第一天起，千問模型就在文本和視覺的混合數據上聯合學習，讓視覺與語言在統一的參數空間內深度融合。這樣的技術路徑帶來的效果顯著。

在訓練階段，千問3.5在文本、圖像、視頻等混合數據訓練吞吐量，幾近100%持平純文本基座模型訓練，大舉降低了原生多模態訓練的難度門檻；同時，通過設計精巧的FP8、FP32精度應用策略，在訓練穩定擴展到數十萬億個token時，激活內存減少約50% ，訓練還能提速10% ，進一步節約了模型訓練成本、提升了訓練效率。

在推理階段，測試數據顯示，千問3.5在多模態推理（MathVison）、通用視覺問答VQA（RealWorldQA）、文本識別和文件理解（CC_OCR）、空間智能（RefCOCO-avg）、視頻理解（MLVU）等眾多權威評測中，均斬獲最佳性能。

02

技術紅利全面釋放，

千問要做人人都能用的AI

如果說技術創新解決了大模型 “能不能用” 和“好不好用”的問題，那么普惠定價則破解了 “用不用得起” 的難題。

長期以來，高昂的 API 調用成本是 AI 技術落地的最大障礙。對于預算有限的中小企業和個人開發者而言，動輒數元的單次調用費用，足以扼殺無數創新想法。

盡管近兩年大模型的價格在不斷降低，但這輪價格的下調更多來自各大云服務商和模型廠商的商業策略。這次阿里云百煉上給出的Qwen3.5-Plus API 定價同樣急劇競爭，每百萬 Token 輸入僅需 0.8 元，Gemini-3-pro 的 1/18。

這種極致普惠定價的底氣，來自阿里在模型和AI基礎設施層面的協同創新。

除了上述模型架構的技術創新，千問大模型還可通過阿里云和平頭哥自研芯片的加持，進一步提升推理效率。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，以及集群的算力效率，還能更好有效提升模型訓練以及推理的效率。

例如，平頭哥真武芯片針對以千問3為代表的主流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。這種通過模型、芯片以及云的協同創新，打破了性能、效率和成本的不可能三角。

另一方面，為讓更多群體用上這款SOTA模型，千問3.5還面向全球開發者開源，開發者可在魔搭社區和 HuggingFace 免費下載部署模型，阿里還將陸續開源不同尺寸、不同功能的Qwen3.5系列模型，支持本地、端側等多場景部署，滿足個性化開發需求。

事實上，千問自誕生以來，就一直堅持開源路線，千問系列已開源 400 多個模型，衍生模型數量超 20 萬，全球下載量突破 10 億次，遠超美國的 Llama，極大地推動了AI在千行百業普及。

03

結語

事實上，千問3.5的性能和成本突破，是阿里在云、芯片和模型三大技術領域持續深耕的結果。這種全棧自研帶來的價值遠不局限于單線業務，三大業務深度協同產生的化學反應，正在釋放更大的勢能。

最顯著的變化是，千問大模型的持續爆火讓阿里云再次進入高速增長期。根據市場調研機構 Omdia 數據，2025 年上半年，中國 AI 云整體市場（AI IaaS+PaaS+MaaS）規模達 223 億元，阿里云占比 35.8 %，超過第二到第四名總和。Omdia 數據還顯示，2025年，阿里云在中國云市場的份額從上季度的33％提升至36%，領先優勢進一步擴大。