ATH后，阿里開始亮底牌了

文：王智遠 | ID:Z201440

今天阿里發了Qwen3.6-Plus。

千問3.6系列的第一款模型，編程能力接近Claude系列，100萬Token上下文窗口。

往前倒兩天，4月1日，Wan2.7-Image，圖像生成和編輯統一模型；3月30日，Qwen3.5-Omni，全模態大模型，215項全球最佳性能。

四天，三個模型。全模態感知、圖像生成、Agent編程，完全不同的方向，這是ATH事業群成立兩周以來的第一次集中亮相。

不知道你有沒有想過：三個方向完全不同的模型，為什么偏偏選在同一個窗口期發？

01

先說結論，我認為，這三個模型單獨看，每一個都是各自賽道上的常規迭代；拼在一起看就不一樣了。

Omni管感知，Wan2.7管生成，Qwen3.6-Plus管執行。加在一起，剛好覆蓋了一個完整Agent工作流的三個階段。

不信，我們拆開來看。

先說Omni，全模態，能聽能看；支持113種語言和方言，在音視頻理解這類任務上拿了215項全球最佳，超過了谷歌的Gemini-3.1 Pro。

這個模型有一個細節值得多說兩句。它長出了一種能力：

打開攝像頭，對著一張手畫的草圖說你想要什么，哪怕描述的是一個帶復雜產品邏輯的界面，它也能直接給你生成一個可以跑的原型。動動嘴就能編程。

關鍵在于，這個能力不是團隊刻意訓練出來的。

它是模型在多模態能力持續擴展的過程中，自己長出來的，感知能力積累到某個臨界點之后，它開始能做一些設計者自己都沒預料到的事情。

再看Wan2.7-Image，做圖像生成的。

AI生圖這個領域有兩個老問題。一個叫「標準臉」，生出來的人長得都一樣，審美疲勞。一個叫「色彩盲盒」，你沒法精確控制畫面的配色。

Wan2.7針對這兩個痛點做了專門優化，捏臉可以從骨相、眼眸到五官全方位定制；配色上做了一個調色盤功能，用戶可以用色值精確控制顏色的數量和占比。

在人類偏好盲測中，Wan2.7的文生圖能力超過了GPT-Image1.5和國內主流模型；它還有一個跟今天這個話題直接相關的特性：支持被龍蝦調用，讓Agent畫畫。

也就是說，Agent的能力邊界又往外推了一步，之前能寫代碼、能查資料、能總結文檔，現在還能做設計了。

然后是今天發的Qwen3.6-Plus。

阿里給它的定位「國內最強編程模型」。數據上看，確實站得住。好幾個主流的編程和Agent能力評測里，3.6-Plus可以匹敵Claude Opus 4.5，顯著超過了參數量兩倍甚至三倍于它的GLM-5和Kimi-K2.5。

這些評測的名字你不用記，記住它們測什么的就行：

一個測能不能修真實項目的Bug，一個測能不能操作終端，還有幾個測在龍蝦里能不能完成一個完整任務。所以，三者指向同一件事：模型的價值正在從「生成文本」遷移到「完成任務」。

3.6-Plus還做了一件很有針對性的事。

它在訓練過程中，集中對市面上主流的Agent框架做了優化適配，包括OpenClaw、Claude Code等等；100萬Token的上下文窗口，意味著它可以一次性裝下一個中等規模項目的完整代碼庫。

你看，一個團隊做出一個好模型不稀奇，三個放在一起，這說明背后有統一的節奏。

02

這個節奏從哪來？兩周前阿里成立了ATH事業群，這件事大家都知道了，我不重復。

我想聊它的名字：Alibaba Token Hub。嗯，不叫AI實驗室，不叫大模型中心，叫，Hub。

Token是什么？我們跟AI對話、讓它寫代碼、讓它畫圖，消耗的都是Token。它是AI世界的燃料。Hub是樞紐，是集散中心。

我們可以把ATH理解成一個Token煉油廠和加油站網絡。

通義實驗室是上游油田，負責把原油煉出來；MaaS平臺是管道，負責把油輸送出去；千問APP、悟空、AI創新這些應用，是下游的加油站，直接面向開車的人。

吳泳銘給這個事業群定的使命也是這個邏輯：創造Token、輸送Token、應用Token。你看，你又聽說過。

不過，這個命名有意思的地方在于，它暗含了一個判斷：AI這門生意的核心資產是Token的流轉效率。

什么是流轉效率？

現在有兩家自來水公司，水的質量差不多，都是達標的。

一家只有水廠，水造出來了，但管網不行，送到用戶家里要繞三道彎，水壓不穩，有時候擰開龍頭半天沒水；另一家從水廠到管網到龍頭全是自己的，擰開就來，水壓穩定，24小時不斷。

你說用戶會選誰？顯然，用戶會選后者。

對應到AI里，模型就是水廠，平臺是管網，應用就是用戶家里的水龍頭。水質（模型能力）固然重要，達到一定水準后，用戶感受到的差距是水壓，打開龍頭的那一瞬間，水能不能立刻出來。

Token流轉效率，講的就是這件事：從模型生成Token，到用戶在應用中實際使用，鏈路有多短、響應有多快、損耗有多小。

這個判斷不只阿里一家在做。

有消息說OpenAI內部已經把核心考核從日活用戶切到了每日Token消耗量；兩家公司，一個在舊金山，一個在杭州，得出了同一個結論。

所以，ATH名字透露了阿里對AI商業化的底層思考。Agent時代，衡量一家AI公司值不值錢的指標，正在從多少人在用，變成消耗多少Token，誰的Token管線跑得最順，誰就離錢最近。

03

上面說了，三個團隊同時交卷，背后肯定有統一的節奏。ATH搭了一條Token管線，從生產到運輸到消費，聽起來很完整。

問題是，這個管道通不通？

畢竟市面上每家模型公司都在說「模型應用協同」，這個詞我聽了一年多了，已經沒什么信息量了。關鍵在于，大家說的「協同」，根本不是同一件事。

我試著把它拆成三層來看。

第一層：接入層。

模型更新了，應用端改個版本號、發篇公告，模型團隊和應用團隊各干各的，發布完才臨時對接。就像兩支球隊，比賽打完了才第一次見面握手。絕大多數公司，停留在這一層。

第二層，同步層。

模型還沒正式發布，應用端就已經在聯合調試了。兩個團隊從立項開始，就清楚對方在做什么。模型訓練方向會考慮應用需求，應用產品設計也會提前適配模型能力邊界。

等模型一上線，應用直接同步交付。ATH這一輪，做到的就是這一層。我為什么這么判斷？

因為有幾個細節對得上。

Qwen3.6-Plus專門對OpenClaw、Qwen Code、Claude Code這些主流Agent框架做了優化適配。

你想，如果模型和應用各干各的，模型不可能在訓練階段就去適配特定框架。它這么做，說明模型還沒成型，就已經知道將來給誰用、怎么用。

同理，Omni能通過API直接被龍蝦、Claude Code調用，處理長音視頻和文檔；Wan2.7支持Skill調用，Agent可以直接用它生成圖像。三個模型都是出廠就自帶適配接口。

再看應用端：悟空、千問APP、QoderWork，全都在Qwen3.6發布的同一時間點官宣接入，是一起沖線的。

這種節奏，必須在立項、定方向的早期，就把模型和應用放在一起統籌。ATH把五個業務整合進同一個事業群、統一負責人，本質上就是從組織上保證這件事能落地。

第三層：飛輪層。

應用跑起來后，真實用戶數據回流，指導下一代模型訓練；模型更好用，帶來更多用戶與調用量；更多調用又產生更多數據，形成正向循環。

這一層，說實話，我目前沒有完整證據證明已經完全跑起來，但有幾個前置信號很關鍵：

沙利文今年2月的報告顯示，2025年下半年中國企業級大模型日均調用量，千問占比沖到32.1%，比上半年17.7%幾乎翻倍，增幅第一。

調用量暴漲，意味著真實場景的反饋數據在快速積累，飛輪的燃料正在備齊。

而且，你看千問現在的客戶構成。

一汽紅旗把千問智能體接進了智能座艙，汽車行業。達能亞太跟阿里云合作，基于千問搭供應鏈和營銷的Agent，消費品行業

西門子用千問做工業機器人，工程師口述就能搭建生產線，制造業；海外更不用說，亞馬遜、英偉達、Meta都在基于千問做產品，斯坦福李飛飛團隊也在用千問做前沿研究。

場景越多元，數據越豐富，飛輪一旦轉起來，慣性就會非常大。我的觀點是：判斷一條Token管線有沒有真正跑通，就看兩點：

一，模型發布后，應用跟上的速度夠不夠快；二，外部開發者是不是真的在用模型做自己的產品。

從這兩個標準看，ATH第一輪已經及格。而大部分模型公司，還卡在第一層。

04

及格只是起點，現在還有一個更關鍵的問題擺在所有人面前：這輪大模型競爭，最后到底比的是什么？

現在牌桌上玩家一點不少，智譜、字節、騰訊、百度，全都往Agent方向沖。當所有人都在做同一件事時，必須想明白：真正的壁壘到底在哪？

模型能力算壁壘嗎？不算。

現在跑分領先的窗口期越來越短，很快就被追上；龍蝦生態適配算壁壘嗎？OpenClaw本身就是開源的，誰都能做適配。你能優化，別人也能。

那真正的勝負手在哪？

我認為，最容易被忽視、卻最可能決定終局的，是這條Token管線在企業側的縱深。

我們先算一筆很簡單的賬。

一個普通C端用戶，用龍蝦玩一下午，寫寫代碼、總結幾篇文檔，也就消耗幾十萬Token。玩完覺得新鮮，關掉就沒了，可能一周都不打開，下次再用，說不定就換別家模型了。

企業不一樣。

把AI Agent嵌進客服系統，一天處理幾千工單；嵌進供應鏈，每天自動跑數據分析；嵌進產品設計，設計師天天用它出方案。這種Token消耗是日復一日、穩定持續的，跟水電費一樣。

更關鍵的是：企業一旦把AI嵌入核心業務，基本不會輕易換。

換一個聊天工具的成本是零，換一套跑在業務里的AI系統，要重新對接數據、重新訓流程、重新讓員工適應。切換成本非常高。

哪個生意更值錢，一目了然。

C端Token消費像賣礦泉水，一瓶一瓶的，今天買你明天買他；B端Token消費像鋪自來水管，一旦接通了，水費按月交，誰也不會吃飽了沒事去換一套管道。

這就是悟空事業部存在的意義。

它是ATH成立時，第一次公開亮相的全新部門，定位非常清晰：B端AI原生工作平臺，把模型能力深度扎進企業工作流。而且有消息透露，阿里還計劃逐步把淘寶、支付寶、阿里云的B端商業服務全部整合進來。

阿里做這件事，有一個別人幾乎沒法復制的先天優勢。

釘釘沉淀了多少企業？阿里云覆蓋了多少行業？淘寶商家生態有多大體量？這些客戶，不是ATH要從零去找的，因為他們本來就在阿里生態里。

ATH要做的，只是把Token管線接到這些客戶已有的工作流里；對純模型公司來說，獲客是最難的一關；但對阿里來說，客戶就坐在隔壁桌。

當越來越多企業的核心工作流，跑在千問的Token之上，以后比拼的，就是基礎設施綁定。

順便說一句，ATH這個名字還有另一層意思：All Time High，表面看，是個討巧的雙關，但里面野心是真的，阿里想做的，絕不止一個普通大模型。

Qwen3.6-Plus是千問3.6系列的第一款，后面還有Max版本；Token管線剛跑完第一輪，第二輪其實已經在路上了。

能不能交得更快，我們走著看。