阿里巴巴開源 Qwen3.5：397B 參數、201 種語言的 Agent 時代模型

2026 年 2 月 16 日，農曆除夕，阿里巴巴發布 Qwen3.5 系列，首發的 Qwen3.5-Plus 是 397B-A17B 的稀疏 MoE 原生多模態基礎模型，權重同步開源到 Hugging Face、GitHub 與 ModelScope。路透社報導，新模型比前代使用成本便宜 60%、處理大型工作量的能力提升 8 倍；官方技術文件則給出更具體的數字：在 32,000 token 的長情境任務上，解碼吞吐量達 Qwen3-Max 的 8.6 倍。

發布時點本身就說明局勢。過去一週，ByteDance 與智譜 AI 都推出以 agent 為核心的升級，CNBC 的標題直接下判斷：中國的聊天機器人競賽正在轉向 AI agent。Google DeepMind 執行長 Demis Hassabis 近日也評估，中國模型只落後西方對手「數個月」。Qwen3.5 是阿里在這個轉向中的最新落子。

Qwen3.5-Plus：397B 稀疏 MoE，效能追平兆級旗艦

Qwen3.5-Plus 建基於 Qwen3-Next 架構：線性與混合注意力、更高稀疏度的 MoE、multi-token prediction 與穩定性最佳化。官方宣稱其表現與 Qwen3-Max 相當——後者是超過 1T 參數的旗艦；自報基準也顯示在語言推理、程式生成、agent 工作流、影像理解與 GUI 操作上「比肩一線模型」。CNBC 提醒這些成績無法獨立驗證，但方向明確：用 397B 總參數、17B 啟動參數的稀疏設計，逼近兆級模型的表現。阿里雲 Qwen 團隊技術負責人林俊揚在社群預告，春節期間還會開源更多權重模型；新的 RL 框架也讓端到端訓練提速 3 至 5 倍。

原生多模態與 201 種語言

Qwen3.5 是原生多模態模型：文字、影像、影片輸入，文字輸出，以混合視覺與語言 token 訓練。具體能力包括：最長 2 小時的長影片理解與多步時間推理；視覺推理較 Qwen3-VL 提升，尤其在科學解題並帶自我反思；以及視覺編碼——把手繪 UI 草稿直接轉成可運作的前端程式碼。語言支援從 Qwen3 的 119 種擴增到 201 種語言與方言，涵蓋夏威夷語、斐濟語與尼日-剛果語系等低資源語言。

Agent 是主戰場：手機、桌面與百萬級環境

這次發布的重點不在聊天，在操作。Qwen3.5 的視覺 agent 可自主操作智慧型手機與電腦：行動端以自然語言驅動 in-app 動作並跨 app 協作，桌面端處理多步驟、長時程的辦公任務。RL 框架原生支援文字、多模態與多輪情境，並可承接百萬級規模的 agent 框架與環境。CNBC 並指出其相容 OpenClaw 等開源 agent 框架——模型層與 agent 框架層正在互相靠攏。

開源策略與中國 Agent 競賽

開放權重是 Qwen 的一貫打法：阿里累計已開源超過 400 個 Qwen 模型，總下載量逾 10 億，開發者衍生的模型超過 20 萬個。Counterpoint Research 分析師 Marc Einstein 的解讀是：AI 公司都在為 agent 顛覆傳統網路商業模式做準備，「沒有準備的人後果會很嚴重」，而中國公司清楚意識到這一點；201 種語言的支援則顯示阿里的全球企圖。把這場發布放進時間軸：阿里一週前才發布機器人專用模型，除夕再推 agent 旗艦——春節假期成了中國 AI 的發布旺季。

對開發者與產品團隊的意義

三個實際影響。第一，397B-A17B 的稀疏 MoE 讓「自架推理」變得可行：17B 啟動參數意味著推理成本主要瓶頸在記憶體而非算力，可下載、微調、自部署的開放權重給了不想被 API 綁死的團隊一條路。第二，GUI 操作與 2 小時長影片理解把 agent 的戰場從聊天框推向裝置本身，做自動化產品的團隊可以直接評估這些能力是否達到可用門檻。第三，對基準行銷保持驗證習慣——自報成績與獨立評測之間常有落差，導入前先跑自己的評測集。

參考來源

本文由 AI 協助自上述來源整理，經人工審核後發布。