Qwen3.5-Plus模型发布：3970亿参数，性能比肩顶级闭源模型

阿里在大年初一前夕，正式发布了新一代的大模型——通义千问3.5系列。这对于开源社区而言，无疑是一份重磅的新年贺礼。

在开源大模型领域，Qwen系列的每次更新几乎都伴随着榜单的刷新，此次的Qwen3.5-Plus也不例外。不过，真正的看点早已不仅是榜单名次，而是其在模型架构上的持续探索与自我革新。

此次发布的旗舰模型Qwen3.5-Plus拥有3970亿的总参数量。这个数字相比前代旗舰Qwen3-Max的万亿参数，不增反降，显得相当“反直觉”。尽管业界对单纯堆叠参数的边际收益递减已有预期，但Qwen3.5-Plus能以不到前代40%的参数量，将综合性能提升至与Google Gemini 3 Pro相当的级别，仍然令人惊讶。

更关键的是效率。根据披露，Qwen3.5-Plus在每次推理时，实际激活的参数仅有170亿。这意味着它仅动用了模型整体约5%的“算力资源”，便能输出“满血”的智能水平。最终反映到用户端，其token成本据称仅为Gemini 3 Pro的1/18。

这种效率的跃升，源于Qwen系列在混合专家（MoE）架构上的长期深耕。从Qwen1.5引入细粒度专家模式，到Qwen3代放弃共享专家、改用路由专家，再到此次Qwen3.5引入“混合注意力模式”让模型学会“有详有略地阅读”，每一次迭代都在尝试突破现有框架。驱动Qwen3.5实现关键突破的门控技术，便源自阿里在2025年NeurIPS顶会上发表的最佳论文成果，目前已向行业全面公开。

至此，以Qwen、GLM、Kimi、DeepSeek为代表的中国开源大模型阵营，不仅在多条技术路线上领跑，更形成了对闭源模型的交叉合围之势。业界预测2026年将有“大的”技术变革到来，那么，由开源模型摘取不含任何限定词的SOTA（当前最优性能），是否会成为其中一个重要的里程碑？

如果说以前评价阿里的AI实力是“中国最接近谷歌的公司”，主要指其同时布局芯片、云计算、大模型和应用的四位一体业务结构。那么从现在起，这一评价在技术模态上也得到了印证。Qwen3.5从预训练的第一天起，就基于文本和视觉的混合数据进行联合学习，致力于实现视觉与语言在统一参数空间内的深度融合，这与谷歌Gemini系列的多模态思路同源。

回顾发展历程，国产顶级大模型与国际最强SOTA之间的性能差距，已从“6个月”缩短至“3个月”。按照这个迭代速度，实现全面超越或许已能看到清晰的路径。