摘要： 阿里巴巴於 2026 年 2 月 16 日發表開放權重的 Qwen3.5-Plus，採 397B-A17B 稀疏 MoE、原生多模態設計，並把 agent 工作流延伸到手機、桌面與最長兩小時影片理解。路透社報導使用成本比前代降低 60%，大型工作量效能為前代的 8 倍；CNBC 提醒自報基準尚無獨立驗證。
2026 年 2 月 16 日是農曆除夕，阿里巴巴選在這一天發表 Qwen3.5 系列。系列打頭陣的 Qwen3.5-Plus 採 397B-A17B 稀疏 MoE 設計，是原生多模態的基礎模型，開放權重同步登上 Hugging Face、GitHub 與 ModelScope。路透社給出的數字是：新模型的使用成本比前一代便宜 60%，應付大型工作量的效能增為 8 倍；官方技術文件再補上更具體的一筆——面對 32,000 token 的長情境任務時，解碼吞吐量是 Qwen3-Max 的 8.6 倍。
發布日期本身就透著訊息。前後不過一週，ByteDance 與智譜 AI 先後端出以 agent 為核心的升級；CNBC 的標題寫得直白：中國的聊天機器人競賽正轉向 AI agent。Google DeepMind 執行長 Demis Hassabis 近期也評價，中國模型落後西方對手的幅度只剩「數個月」。在這場轉向中，Qwen3.5 是阿里剛落下的那步棋。
Qwen3.5-Plus：用 397B 稀疏 MoE 追趕兆級旗艦
Qwen3.5-Plus 的底子是 Qwen3-Next 架構：線性與混合注意力、稀疏度更高的 MoE、multi-token prediction，輔以穩定性最佳化。官方號稱其表現追平 Qwen3-Max——那是參數量超過 1T 的旗艦；自報基準同樣顯示，在語言推理、程式生成、agent 工作流、影像理解與 GUI 操作等項目上「比肩一線模型」。CNBC 提醒這類成績目前無法獨立驗證，但方向明確：以 397B 總參數、17B 啟動參數的稀疏設計，去逼近兆級模型的水準。林俊揚——阿里雲 Qwen 團隊的技術負責人——在社群上預告，春節連假期間會再開源更多權重模型；端到端訓練速度在新的 RL 框架下加快 3 至 5 倍。
原生多模態，涵蓋 201 種語言
Qwen3.5 的多模態是原生的：吃進文字、影像與影片，吐出文字，訓練時混用視覺與語言 token。具體本領有三塊：看得懂最長 2 小時的影片，並進行多步時間推理；視覺推理較 Qwen3-VL 進步，尤其是會自我反思的科學解題；以及視覺編碼——把手繪 UI 草稿直接變成能跑的前端程式碼。語言覆蓋則從 Qwen3 時代的 119 種，一舉擴張到 201 種語言與方言，夏威夷語、斐濟語、尼日-剛果語系等低資源語言都在列。
主戰場在 Agent：從手機、桌面到百萬級環境
這場發布的重心不是聊天，而是動手。Qwen3.5 的視覺 agent 能自主操控智慧型手機與電腦：手機端靠自然語言就能驅動 in-app 動作，還能跨 app 合作；桌面端則負責需要多個步驟、時間跨度拉長的辦公任務。RL 框架天生就吃文字、多模態與多輪情境，也能承接規模上到百萬級的 agent 框架與環境。CNBC 並提到它相容 OpenClaw 這類開源 agent 框架——模型層與 agent 框架層正彼此靠近。
開源打法與中國的 Agent 競賽
開放權重向來是 Qwen 的固定套路：阿里累計開源的 Qwen 模型已超過 400 個，下載總數逾 10 億，由開發者衍生的模型則超過 20 萬個。Counterpoint Research 分析師 Marc Einstein 如此解讀：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」，中國公司對此看得清楚；201 種語言的支援，則點出阿里的全球盤算。把時間軸攤開來看：一週前有機器人專用模型，除夕上 agent 旗艦——中國 AI 的發布旺季，就這樣落在春節假期。
開發者與產品團隊的實際收穫
實際影響有三。第一，397B-A17B 稀疏 MoE 讓「自架推理」有了可行性：啟動參數僅 17B，推理成本的瓶頸落在記憶體而不是算力；不想被 API 綁住的團隊，因此多了一條可下載、可微調、可自行部署的開放權重路徑。第二，GUI 操作加上 2 小時長影片理解，agent 的交戰點從聊天框移到裝置本身——做自動化產品的團隊，可以直接檢驗這些能力是否過了可用門檻。第三，對基準行銷要保持驗證的習慣：自報分數和獨立評測常有差距，導入前先用自己的評測集跑過一輪。