博主头像

阿里除夕开源千问3.5，原生多模态，全网第一手实测

外来客 • 2026-08-19 23:02:33

分享
𝕏 f ◉
声明：本文为对公开视频内容的摘要整理， 未经本站独立核实，可能与原视频存在出入，不代表本站立场、观点或建议； 观点与版权归原作者及原平台所有。 如涉及版权问题，请联系我们，核实后立即删除。 [ 免责声明 ]

📢 核心观点

  • 阿里在除夕当天开源了新一代多模态大模型千问3.5，主打极致稀疏的MoE架构与原生多模态能力。
  • 该模型在编程速度、视觉智能体操作、长视频理解及3D代码生成方面表现突出，性能与千问3基座持平但吞吐量提升显著。
  • 千问3.5支持201种语言，坚持开源全尺寸模型，采用Apache协议，API价格极具竞争力。

📊 关键事实与论据

  • 架构参数：开源版本为397B A17B，总参数量3970亿，激活参数仅170亿，属于极致稀疏MoE架构。
  • 多模态突破：支持原生多模态，在文本和视觉混合数据上联合学习，不依赖编码器，可实现像素级精确定位。
  • 编程效率：在256K长上下文下，解码吞吐量激增19倍；实测中26.1秒完成Agent代码编写，速度极快。
  • Agent能力：通过视觉识别自动化操作电脑，如删除回收站文件、使用VSCode提交代码至GitHub，任务执行精准且无报错。
  • 视频理解：能理解长达两小时的视频，精准定位事故时间（1分14秒）及足球比赛开球时间（1分59秒），并识别地点（南非德班）。
  • 代码生成：使用Three.js复刻金门大桥3D模型，交付770行代码，效果媲美一线大模型；还能用HTML复刻坦克大战游戏。
  • 语言支持：支持语言数量从119种跃升至201种。
  • 成本优势：阿里云百炼平台每百万token输入低至0.8元，是GPT-5.2的1/15，Gemini 3 Pro的1/18。

💡 结论

  • 千问3.5凭借原生多模态和高效推理，在视觉智能体和复杂任务自动化方面展现出强大潜力。
  • 其开源策略和低廉的API成本，使其成为开发者部署本地模型或调用云端服务的优选方案。
  • 模型在保持高性能的同时，显著提升了推理速度，适合对实时性和多模态交互有高要求的应用场景。

博主头像 👤 同一博主

查看该博主全部 51 篇

🧭 类似博主

0 条评论

发表评论

请先 登录 后参与讨论。