阿里最新发布的千问3.5系列模型，通过创新的混合架构，在多项基准测试中超越了GPT-5.2、Claude 4.5等顶尖模型。它不仅实现了性能的代际提升，更在推理效率上取得重大突破，为开发者和企业提供了兼具强大能力与成本效益的全新选择，并为未来通用智能体的发展奠定了基础。
智能速览
Qwen3.5-397B-A17B模型采用混合专家架构，总参数3970亿但仅激活170亿。
新模型在MMLU-Pro等核心评测中超越GPT-5.2和Claude 4.5。
推理效率显著提升，部署显存占用降低60%，吞吐量最高提升19倍。
语言支持从119种扩展至201种，多模态理解能力增强。
未来重点将从模型转向系统整合，构建持久记忆的智能体。
精华内容
千问3.5的登场，标志着大模型在能力、效率与通用性维度的又一次重要进化。其核心突破在于架构创新，具体来看这些提升是如何实现的。
架构革新
Qwen3.5-397B-A17B引入了创新的混合架构，将线性注意力与稀疏混合专家相结合。这种设计在保持模型强大能力的同时，极大地优化了计算资源。总参数量高达3970亿，但在每次前向传播中仅激活170亿参数，实现了性能与效率的精妙平衡。
与上代模型Qwen3-235B-A22B相比，新模型在32k和256k上下文长度下的解码吞吐量分别提升了3.5倍和7.2倍。与万亿参数的Qwen3-Max相比，性能相当，但部署显存占用降低了60%，推理效率最高可提升19倍。
性能飞跃
在多项权威基准评测中，千问3.5展现了顶尖水平。在考验认知能力的MMLU-Pro评测中，其得分达到87.8分，超越了GPT-5.2。面对博士级难题的GPQA测评，它以88.4分的成绩高于Claude 4.5。
此外，在指令遵循IFBench评测中，千问3.5以76.5分刷新了所有模型的纪录。在通用Agent评测BFCL-V4和搜索Agent评测Browsecomp中，其表现同样超越了Gemini 3 Pro。这些数据证明了其在推理、编程和智能体任务上的全面领先性。
通用拓展
通用性是千问3.5的另一大亮点。通过早期文本-视觉融合训练，其原生多模态理解能力在相近规模下优于前代。语言与方言支持从119种大幅扩展至201种，25万词表也为多数语言带来了10%至60%的编码效率提升。
展望未来，阿里云明确表示，下一阶段的重点将从模型规模转向系统整合。目标是构建具备跨会话持久记忆、真实世界交互接口和自我改进机制的智能体系统，让AI从任务助手进化为可长期信赖的伙伴。
千问3.5的发布，不仅是参数与性能的堆砌，更是通过架构创新实现了效率的质变。它为开发者和企业提供了一个高效、强大的新工具，并指明了通往更通用、更自主的数字智能体的清晰路径，让人期待其未来的实际应用与落地。
