阿里近日在chat.qwen.ai平台悄然推出两款全新大模型——Qwen3.5-Plus与Qwen3.5-397B-A17B，支持文本与多模态任务处理。其中，Qwen3.5-Plus被定位为Qwen 3.5系列最新迭代的大语言模型，而Qwen3.5-397B-A17B则作为开源旗舰模型亮相，标志着该系列在技术开放与生态共建上迈出重要一步。
华为计算团队同步宣布，基于昇腾AI算力，Qwen3.5开源模型已实现高效适配。通过MindSpeed MM框架与FSDP训练后端技术，该模型在Atlas 800 A3、Atlas 900 A3SuperPoD等硬件上完成训练复现，并支持vLLM-Ascend与SGLang框架在Atlas 800 A2、A3设备上的推理部署。这一进展显著缩短了模型适配周期，为开发者提供“开箱即用”的体验，同时降低多模态大模型的应用门槛。
技术层面，Qwen3.5系列实现底层架构全面升级。以Qwen3.5-Plus为例，其总参数规模达3970亿，但激活参数仅170亿，性能超越此前万亿参数的Qwen3-Max模型。得益于架构优化，该模型部署显存占用减少60%，推理效率大幅提升，最大吞吐量可提升至19倍。另一旗舰模型Qwen3.5-397B-A17B在32k与256k上下文长度下，解码吞吐量分别达到Qwen3-Max的8.6倍与19.0倍，同时保持性能相当。
在能力维度，Qwen3.5通过扩大视觉-文本语料训练规模，强化中英文、多语言及STEM领域数据，并采用更严格的数据过滤机制。测试显示，Qwen3.5-397B-A17B在多项基准测试中与参数量超1T的Qwen3-Max-Base表现持平。效率方面，基于Qwen3-Next架构，模型引入更高稀疏度的混合专家（MoE）设计、Gated DeltaNet与Gated Attention混合注意力机制，并优化稳定性与多token预测能力，显著提升长文本处理效率。
通用性扩展是Qwen3.5的另一重点。通过早期文本-视觉融合训练与扩展的视觉、STEM及视频数据，模型实现原生多模态支持，在相近规模下优于前代Qwen3-VL。语言覆盖范围从119种增至201种语言及方言，词表规模扩大至25万（原为15万），使多数语言的编码与解码效率提升10%-60%。这些改进使其更适应全球化应用场景，满足跨语言、跨模态的复杂需求。
目前，开发者可通过魔乐社区、gitcode社区获取vLLM框架部署指导，或访问SGLang社区了解相关技术文档。这一系列开放举措旨在降低大模型应用门槛，推动AI技术在更多行业的落地与创新。
