没热度了，被字节和智_老虎社区_美港股上老虎 - 老虎社区

没热度了，被字节和智谱按着锤

以小胜大！千问Qwen3.5重磅发布，每百万Token仅0.8元

免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。

精彩评论

我们需要你的真知灼见来填补这片空白

发表看法

2

{"i18n":{"language":"zh_CN"},"detailType":1,"isChannel":false,"data":{"magic":2,"id":533529475625200,"tweetId":"533529475625200","gmtCreate":1771233161538,"gmtModify":1771233163821,"author":{"id":3498680662745699,"idStr":"3498680662745699","authorId":3498680662745699,"authorIdStr":"3498680662745699","name":"Mediator","avatar":"https://static.tigerbbs.com/ccbee84d06c97c8ea354bff2e5c20b6d","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":1,"currentWearingBadge":{"badgeId":"e50ce593bb40487ebfb542ca54f6a561-4","templateUuid":"e50ce593bb40487ebfb542ca54f6a561","name":"明星虎友","description":"加入老虎社区2000天","bigImgUrl":"https://static.tigerbbs.com/dddf24b906c7011de2617d4fb3f76987","smallImgUrl":"https://static.tigerbbs.com/53d58ad32c97254c6f74db8b97e6ec49","grayImgUrl":"https://static.tigerbbs.com/6304700d92ad91c7a33e2e92ec32ecc1","redirectLinkEnabled":0,"hasAllocated":1,"isWearing":1,"stampPosition":0,"hasStamp":0,"allocationCount":1,"allocatedDate":"2024.02.21","individualDisplayEnabled":0},"individualDisplayBadges":[],"fanSize":51,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"title":"","html":"<html><head></head><body><p>没热度了，被字节和智谱按着锤</p></body></html>","htmlText":"<html><head></head><body><p>没热度了，被字节和智谱按着锤</p></body></html>","text":"没热度了，被字节和智谱按着锤","highlighted":1,"essential":1,"paper":1,"likeSize":2,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/533529475625200","repostId":1148657687,"repostType":2,"repost":{"id":"1148657687","kind":"news","pubTimestamp":1771232285,"share":"https://www.laohu8.com/m/news/1148657687?lang=zh_CN&edition=full","pubTime":"2026-02-16 16:58","market":"hk","language":"zh","title":"以小胜大！千问Qwen3.5重磅发布，每百万Token仅0.8元","url":"https://stock-news.laohu8.com/highlight/detail?id=1148657687","media":"阿里云","summary":"2月16日，今天下午，阿里在chat.qwen.ai页面低调上线了Qwen3.5-Plus和Qwen3.5-397B-A17B两款新模型。Qwen3.5-Plus定位为Qwen3.5系列最新大语言模型，Qwen3.5-397B-A17B定位则是Qwen3.5开源系列旗舰大语言模型。两款模型均支持文本和多模态任务。","content":"<html><head></head><body><p>刚刚，阿里巴巴开源全新一代大模型千问Qwen3.5-Plus，登顶全球最强开源模型。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/caca0b9d2496af9c639fe722ce994942\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"698\"/></p><p style=\"text-align: justify;\">该模型总参数为3970亿，激活仅170亿，以小胜大，性能超过万亿参数的Qwen3-Max模型，部署显存占用降低60%，推理效率大幅提升，最大推理吞吐量可提升至19倍。</p><p>目前，千问APP、PC端已接入Qwen3.5-Plus模型。开发者可在魔搭社区和HuggingFace下载新模型，同时可在阿里云百炼直接获取API服务（文末点击阅读原文可直接跳转）。Qwen3.5-Plus的API价格每百万Token低至0.8元。</p><p><strong>原生多模态模型</strong></p><p><strong>模型性能全方位提升</strong></p><p style=\"text-align: justify;\">与前几代的千问大语言模型不同，千问3.5实现了从纯文本模型到原生多模态模型的代际跃迁。</p><p>千问3预训练在纯文本Tokens上进行，而千问3.5则基于视觉和文本混合token上预训练，并大幅新增中英文、多语言、STEM和推理等数据，让张开“眼睛”的大模型学会了更密集的世界知识和推理逻辑，以不到40%的参数量获得超万亿的Qwen3-Max基座模型的顶尖性能，在推理、编程、Agent智能体等全方位基准评估中均表现优异。</p><p>比如，千问3.5在MMLU-Pro认知能力评测中得分87.8分，超越GPT-5.2；在博士级难题GPQA测评中斩获88.4分，高于Claude 4.5；在指令遵循IFBench以76.5分刷新所有模型纪录；而在通用Agent评测BFCL-V4、搜索Agent评测Browsecomp等基准中，千问3.5表现均超越Gemini 3 Pro。</p><p style=\"text-align: justify;\">原生多模态训练，也带来千问3.5的视觉能力飞跃：在多模态推理（MathVison）、通用视觉问答VQA（RealWorldQA）、文本识别和文件理解（CC_OCR）、空间智能（RefCOCO-avg）、视频理解（MLVU）等众多权威评测中，千问3.5均斩获最佳性能。</p><p style=\"text-align: justify;\">在学科解题、任务规划与物理空间推理等任务上，千问3.5相比千问专项模型Qwen3-VL表现更好，空间定位推理和带图推理能力均大幅增强，推理分析更精细、精准；在视频理解方面，千问3.5支持长达2小时（1M token上下文）的视频直接输入，适用于长视频内容分析与摘要生成；同时，千问3.5实现了视觉理解与代码能力的原生融合，结合图搜和生图工具，可将手绘界面草图直接转为可用的前端代码，一张截图就能定位并修复UI问题，让视觉编程真正成为生产力工具。</p><p><strong>创新门控技术</strong></p><p><strong>小参数实现极致性能</strong></p><p>千问3.5性能跃升的背后，是对Transformer经典架构的重大创新突破。千问团队自研的门控技术成果，曾斩获全球AI顶会2025 NeurIPS最佳论文，该前沿技术已融入到千问3.5创新的混合架构中去，团队结合线性注意力机制与稀疏混合专家MoE模型架构，实现了397B总参数激活仅17B的极致模型效率；同时，千问3.5通过训练稳定优化以及多 token 预测等系列技术，Qwen3.5性能与Qwen3-Max模型持平，并进一步提升了推理效率：在常用的32K上下文场景中，千问3.5推理吞吐量可提升8.6倍；在256K超长上下文情况下，Qwen3.5推理吞吐量最大提升至19倍，推理效率大幅提升。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/9915856b7af3ee283954fc739369849a\" alt=\"\" title=\"\" tg-width=\"1080\" tg-height=\"458\"/></p><p><em>千问3.5推理效率大幅提升<br/>最大吞吐量提升至19倍</em></p><p style=\"text-align: justify;\">千问3.5的原生多模态训练，是在阿里云AI基础设施上高效完成的。通过系列基础技术创新，千问3.5在文本、图像、视频等混合数据训练吞吐量，几近100%持平纯文本基座模型训练，大举降低了原生多模态训练的难度门槛；同时，通过设计精巧的FP8、FP32精度应用策略，在训练稳定扩展到数十万亿个token时，激活内存减少约50% ，训练还能提速10% ，进一步提升了节约了模型训练成本、提升了训练效率。</p><p style=\"text-align: left;\"><strong>Agent应用进一步突破</strong></p><p style=\"text-align: left;\"><strong>智能体支持扩展至百万级</strong></p><p>基于顶级视觉能力，千问3.5也实现了从Agent框架到Agent应用的新突破。</p><p>千问3.5可自主操作手机与电脑，高效完成日常任务，在移动端支持更多主流APP与指令，在PC端可处理更复杂的多步骤操作，如跨应用数据整理、自动化流程执行等，显著提升操作效率。</p><p>同时，千问团队构建了一个可扩展的Agent异步强化学习框架，端到端可加速3到5倍，并将基于插件的智能体Agent支持扩展至百万级规模。</p><p>1月15日，千问App发布全球首个消费级AI购物Agent。春节期间，千问AI购物Agent6天时间帮用户完成了1.2亿笔订单，在全球首次实现大规模真实世界任务执行和商业化验证。Agent能力大幅增强的千问3.5，将进一步打开千问APP在工作和生活中帮人办事的想象空间。</p><p>自2023年开源以来，阿里已开源400多个千问模型，覆盖全尺寸、全模态，千问全球下载量突破10亿次，单月下载量是DeepSeek、Meta、OpenAI、智谱、Kimi、MiniMax等2到8名总和，开发者基于千问开发的衍生模型超20万，是公认的全球第一开源模型，也是开发者最友好的开源大模型。</p><p>面向不同国家的AI开发者和企业的需求，千问大模型还在持续演进：千问3.5扩展支持201种语言，将词表大小从150k扩展到250K，可最高提升小语种60%的编码效率。</p><p style=\"text-align: justify;\">此外，不同尺寸、不同功能的千问3.5系列模型也将陆续开源发布。性能更强的旗舰模型Qwen3.5-Max不久后也将发布，敬请期待。</p></body></html>","source":"lsy1726717805271","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>以小胜大！千问Qwen3.5重磅发布，每百万Token仅0.8元</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n以小胜大！千问Qwen3.5重磅发布，每百万Token仅0.8元\n</h2>\n\n<h4 class=\"meta\">\n\n\n2026-02-16 16:58 北京时间&nbsp;&nbsp;&nbsp;<a href=https://mp.weixin.qq.com/s?__biz=MzA4NjI4MzM4MQ==&mid=2660259096&idx=1&sn=f102c621c89baae3cf64c8003e5573d9&chksm=857fbfc08bb5068545f4146d068c9b090efa850afbbdb71246de081d3333962f6cffe88731ee&scene=0&xtrack=1#rd><strong>阿里云</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>刚刚，阿里巴巴开源全新一代大模型千问Qwen3.5-Plus，登顶全球最强开源模型。该模型总参数为3970亿，激活仅170亿，以小胜大，性能超过万亿参数的Qwen3-Max模型，部署显存占用降低60%，推理效率大幅提升，最大推理吞吐量可提升至19倍。目前，千问APP、PC端已接入Qwen3.5-Plus模型。开发者可在魔搭社区和HuggingFace下载新模型，同时可在阿里云百炼直接获取API服务...</p>\n\n<a href=\"https://mp.weixin.qq.com/s?__biz=MzA4NjI4MzM4MQ==&mid=2660259096&idx=1&sn=f102c621c89baae3cf64c8003e5573d9&chksm=857fbfc08bb5068545f4146d068c9b090efa850afbbdb71246de081d3333962f6cffe88731ee&scene=0&xtrack=1#rd\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/05ddeb1f7be03fe06014ae549a8abe22","relate_stocks":{"09988":"阿里巴巴-W","BABA":"阿里巴巴"},"source_url":"https://mp.weixin.qq.com/s?__biz=MzA4NjI4MzM4MQ==&mid=2660259096&idx=1&sn=f102c621c89baae3cf64c8003e5573d9&chksm=857fbfc08bb5068545f4146d068c9b090efa850afbbdb71246de081d3333962f6cffe88731ee&scene=0&xtrack=1#rd","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1148657687","content_text":"刚刚，阿里巴巴开源全新一代大模型千问Qwen3.5-Plus，登顶全球最强开源模型。该模型总参数为3970亿，激活仅170亿，以小胜大，性能超过万亿参数的Qwen3-Max模型，部署显存占用降低60%，推理效率大幅提升，最大推理吞吐量可提升至19倍。目前，千问APP、PC端已接入Qwen3.5-Plus模型。开发者可在魔搭社区和HuggingFace下载新模型，同时可在阿里云百炼直接获取API服务（文末点击阅读原文可直接跳转）。Qwen3.5-Plus的API价格每百万Token低至0.8元。原生多模态模型模型性能全方位提升与前几代的千问大语言模型不同，千问3.5实现了从纯文本模型到原生多模态模型的代际跃迁。千问3预训练在纯文本Tokens上进行，而千问3.5则基于视觉和文本混合token上预训练，并大幅新增中英文、多语言、STEM和推理等数据，让张开“眼睛”的大模型学会了更密集的世界知识和推理逻辑，以不到40%的参数量获得超万亿的Qwen3-Max基座模型的顶尖性能，在推理、编程、Agent智能体等全方位基准评估中均表现优异。比如，千问3.5在MMLU-Pro认知能力评测中得分87.8分，超越GPT-5.2；在博士级难题GPQA测评中斩获88.4分，高于Claude 4.5；在指令遵循IFBench以76.5分刷新所有模型纪录；而在通用Agent评测BFCL-V4、搜索Agent评测Browsecomp等基准中，千问3.5表现均超越Gemini 3 Pro。原生多模态训练，也带来千问3.5的视觉能力飞跃：在多模态推理（MathVison）、通用视觉问答VQA（RealWorldQA）、文本识别和文件理解（CC_OCR）、空间智能（RefCOCO-avg）、视频理解（MLVU）等众多权威评测中，千问3.5均斩获最佳性能。在学科解题、任务规划与物理空间推理等任务上，千问3.5相比千问专项模型Qwen3-VL表现更好，空间定位推理和带图推理能力均大幅增强，推理分析更精细、精准；在视频理解方面，千问3.5支持长达2小时（1M token上下文）的视频直接输入，适用于长视频内容分析与摘要生成；同时，千问3.5实现了视觉理解与代码能力的原生融合，结合图搜和生图工具，可将手绘界面草图直接转为可用的前端代码，一张截图就能定位并修复UI问题，让视觉编程真正成为生产力工具。创新门控技术小参数实现极致性能千问3.5性能跃升的背后，是对Transformer经典架构的重大创新突破。千问团队自研的门控技术成果，曾斩获全球AI顶会2025 NeurIPS最佳论文，该前沿技术已融入到千问3.5创新的混合架构中去，团队结合线性注意力机制与稀疏混合专家MoE模型架构，实现了397B总参数激活仅17B的极致模型效率；同时，千问3.5通过训练稳定优化以及多 token 预测等系列技术，Qwen3.5性能与Qwen3-Max模型持平，并进一步提升了推理效率：在常用的32K上下文场景中，千问3.5推理吞吐量可提升8.6倍；在256K超长上下文情况下，Qwen3.5推理吞吐量最大提升至19倍，推理效率大幅提升。千问3.5推理效率大幅提升最大吞吐量提升至19倍千问3.5的原生多模态训练，是在阿里云AI基础设施上高效完成的。通过系列基础技术创新，千问3.5在文本、图像、视频等混合数据训练吞吐量，几近100%持平纯文本基座模型训练，大举降低了原生多模态训练的难度门槛；同时，通过设计精巧的FP8、FP32精度应用策略，在训练稳定扩展到数十万亿个token时，激活内存减少约50% ，训练还能提速10% ，进一步提升了节约了模型训练成本、提升了训练效率。Agent应用进一步突破智能体支持扩展至百万级基于顶级视觉能力，千问3.5也实现了从Agent框架到Agent应用的新突破。千问3.5可自主操作手机与电脑，高效完成日常任务，在移动端支持更多主流APP与指令，在PC端可处理更复杂的多步骤操作，如跨应用数据整理、自动化流程执行等，显著提升操作效率。同时，千问团队构建了一个可扩展的Agent异步强化学习框架，端到端可加速3到5倍，并将基于插件的智能体Agent支持扩展至百万级规模。1月15日，千问App发布全球首个消费级AI购物Agent。春节期间，千问AI购物Agent6天时间帮用户完成了1.2亿笔订单，在全球首次实现大规模真实世界任务执行和商业化验证。Agent能力大幅增强的千问3.5，将进一步打开千问APP在工作和生活中帮人办事的想象空间。自2023年开源以来，阿里已开源400多个千问模型，覆盖全尺寸、全模态，千问全球下载量突破10亿次，单月下载量是DeepSeek、Meta、OpenAI、智谱、Kimi、MiniMax等2到8名总和，开发者基于千问开发的衍生模型超20万，是公认的全球第一开源模型，也是开发者最友好的开源大模型。面向不同国家的AI开发者和企业的需求，千问大模型还在持续演进：千问3.5扩展支持201种语言，将词表大小从150k扩展到250K，可最高提升小语种60%的编码效率。此外，不同尺寸、不同功能的千问3.5系列模型也将陆续开源发布。性能更强的旗舰模型Qwen3.5-Max不久后也将发布，敬请期待。","news_type":1,"symbols_score_info":{"09988":2,"BABA":2}},"isVote":1,"tweetType":1,"viewCount":3,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":[],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":27,"optionInvolvedFlag":false,"xxTargetLangEnum":"ZH_CN"},"commentList":[],"isCommentEnd":true,"isTiger":false,"isWeiXinMini":false,"url":"/m/post/533529475625200"}