阿里除夕夜发布了新一代千问大模型 3.5，这不仅是参数的升级，更是一次底层架构的重构。新模型通过原生多模态训练和稀疏混合专家架构，在多项权威评测中超越 GPT-5.2，且推理吞吐量最高提升 19 倍，标志着大模型从比拼规模迈向比拼效率的新阶段。
智能速览
架构从纯文本重构为原生多模态，视觉能力不再依赖外挂模块
推理吞吐量在 256K 上下文中最高提升 19 倍，大幅降低长文本成本
以少于 40% 参数量实现高性能，融合 NeurIPS 最佳论文的“门控注意力”技术
在指令遵循和知识推理等基准评测中，得分超越 GPT-5.2
具备自主操作手机与电脑的能力，从对话模型向行动模型过渡
精华内容
千问 3.5 的发布标志着技术范式的转变，其核心在于效率革命而非单纯堆料，原生多模态架构带来了质的飞跃。
原生多模态重构
千问 3.5 的预训练基于视觉和文本混合 Token，视觉理解不再作为外挂模块存在，而是与语言能力在底层共同建模。这种原生多模态架构打破了以往纯文本模型的局限性，新增了中英文及 201 种语言、STEM 和推理等数据，使模型在密集的世界知识和推理逻辑上表现更优。
这意味着模型不再是“语言强、视觉补”，而是在统一架构下形成了相对完整的能力矩阵。
性能全面超越
在多项权威基准评估中，千问 3.5 表现亮眼。其在指令遵循 IFBench 上以 76.5 分刷新纪录；在 MMLU-Pro 知识推理评测中得分为 87.8，超越 GPT-5.2；在博士级难题 GPQA 测评中获得 88.4 分，高于 Claude 4.5。
此外，在通用 Agent 评测 BFCL-V4 及搜索 Agent 评测中，其性能均优于 Gemini 3 Pro 和 GPT-5.2。
架构效率革命
性能提升得益于架构突破，团队融合了获得 NeurIPS 2025 最佳论文的“门控注意力”技术。该模型总参数达 397B，但每次推理仅激活 17B 参数，实现了“高参数、低激活”。
通过多 token 预测技术，在 32K 上下文场景中推理吞吐量提升 8.6 倍，在 256K 超长上下文中最大提升 19 倍，显著降低了长文本处理的成本与延迟。
从对话到行动
基于优异的视觉能力，千问 3.5 已能自主操作手机与电脑，处理跨应用数据整理和自动化流程等复杂任务。团队构建的异步强化学习框架端到端加速 3 到 5 倍，支持百万级插件智能体。
未来重点将转向系统整合，构建具备跨会话持久记忆和真实世界交互能力的智能体，这也标志着千问正从对话模型向行动模型转化。
千问 3.5 的发布不仅是模型的迭代，更是一场关于效率的革命。通过底层架构重构和技术创新，它展示了大模型在低成本高性能下的未来形态。随着模型从对话向行动转变，智能体的实际应用落地值得期待。
