千问3.5开源，原生多模态架构冲击AGI，附一手全面实测！

千问3.5开源，原生多模态架构冲击AGI，附一手全面实测！ 千问3.5开源，原生多模态架构冲击AGI，附一手全面实测！ Modified February 16 No access 0b2etqbeeaact4ajxjeqqruvfhgdikoaeqqa.f10002 00:00 No access 0b2esubcmaacu4ap7xmqxnuvffode2kqejqa.f10002 00:00 原表格 识别表格 成语与时钟 Prompt：猜四字成语 结果：回答正确，之前是VL模型是回答不好的 结果：回答正确 Prompt：告诉我，图片上的钟表几点了 结果：回答错误，时钟依旧存在问题。 文本推理 Prompt：有一天，一个女孩参加数学考试只得了 38 分。她心里对父亲的惩罚充满恐惧，于是偷偷把分数改成了 88 分。她的父亲看到试卷后，怒发冲冠，狠狠地给了她一巴掌，怒吼道：“你这 8 怎么一半是绿的一半是红的，你以为我是傻子吗？”女孩被打后，委屈地哭了起来，什么也没说。过了一会儿，父亲突然崩溃了。请问这位父亲为什么过一会崩溃了？ Prompt：我想去洗车店洗车，如果我家离洗车店只有50米，你建议我开车去还是走路去? Prompt：未来的某天，李同学在实验室制作超导磁悬浮材料时，意外发现实验室的老鼠在空中飞，分析发现，是因为老鼠不小心吃了磁悬浮材料。第二天，李同学又发现实验室的蛇也在空中飞，分析发现，是因为蛇吃了老鼠。第三天，李同学又发现实验室的老鹰也在空中飞，你认为其原因是 老鹰问题，没有那么稳定 最后， Qwen在年前履行了他们的承诺， 确实除夕，还没到新的一年， 但是，Qwen的各位小伙伴也太卷了吧 只能说，爱Qwen，爱开源 评论区口令红包，新年快乐了！ PS：都看到这里，来个 点赞 、 在看 、 关注 吧。 您的支持是我坚持的最大动力！ No access 0b2etqbeeaact4ajxjeqqruvfhgdikoaeqqa.f10002 00:00 No access 0b2etqbeeaact4ajxjeqqruvfhgdikoaeqqa.f10002 00:00 No access 0b2esubcmaacu4ap7xmqxnuvffode2kqejqa.f10002 00:00 No access 0b2esubcmaacu4ap7xmqxnuvffode2kqejqa.f10002 00:00 原表格 识别表格 成语与时钟 Prompt：猜四字成语 结果：回答正确，之前是VL模型是回答不好的 结果：回答正确 Prompt：告诉我，图片上的钟表几点了 结果：回答错误，时钟依旧存在问题。 文本推理 Prompt：有一天，一个女孩参加数学考试只得了 38 分。她心里对父亲的惩罚充满恐惧，于是偷偷把分数改成了 88 分。她的父亲看到试卷后，怒发冲冠，狠狠地给了她一巴掌，怒吼道：“你这 8 怎么一半是绿的一半是红的，你以为我是傻子吗？”女孩被打后，委屈地哭了起来，什么也没说。过了一会儿，父亲突然崩溃了。请问这位父亲为什么过一会崩溃了？ Prompt：我想去洗车店洗车，如果我家离洗车店只有50米，你建议我开车去还是走路去? Prompt：未来的某天，李同学在实验室制作超导磁悬浮材料时，意外发现实验室的老鼠在空中飞，分析发现，是因为老鼠不小心吃了磁悬浮材料。第二天，李同学又发现实验室的蛇也在空中飞，分析发现，是因为蛇吃了老鼠。第三天，李同学又发现实验室的老鹰也在空中飞，你认为其原因是 老鹰问题，没有那么稳定 最后， Qwen在年前履行了他们的承诺， 确实除夕，还没到新的一年， 但是，Qwen的各位小伙伴也太卷了吧 只能说，爱Qwen，爱开源 评论区口令红包，新年快乐了！ PS：都看到这里，来个 点赞 、 在看 、 关注 吧。 您的支持是我坚持的最大动力！ 🔗 原文链接： https://mp.weixin.qq.com/s/q7sazucj... https://mp.weixin.qq.com/s/q7sazucj... 原创 刘聪NLP 刘聪NLP 刘聪NLP2026年2月16日 17:11 江苏 大家好，我是除夕还在卷的刘聪NLP。 猜中了，Qwen，不当人了，除夕开源Qwen3.5 Plus模型！ 卷中卷， 但是Qwen3.5 Plus开源，我还是要爬起来，一会儿继续High 准确消息，马上模型就开， HF：https://huggingface.co/Qwen/Qwen3.5 397B A17B 关于Qwen3.5 Plus的结构，我前面就有发过一篇小红书，看合到transformers里的code， 有Dense和MoE两个版本，采用 Linear Attention Gated DeltaNet + Gated Attention ，跟之前的Qwen3 next的Attention结构基本一致， Linear Attention Gated DeltaNet + Gated Attention 并且是一个原生多模态模型，利用M RoPE 和 3D 位置编码，把时空信息原生融入 LLM 的位置嵌入中。 本次开源的是MoE模型Qwen3.5 Plus，397B A17B， 总参数397B，激活参数17B， 共1个共享专家+512个路由专家，每次10个激活路由专家， 上下文也扩展到了1M 。 同时将词表从150k扩展到250K，支持语言（方言）扩展到201种。 按照惯例，后面的小模型会有一些dense版本，依旧全尺寸开源，期待一波。 这次模型在各种榜单上的指标， 比Qwen3 Max Thinking更强 ，但参数更少，更快，Tokens成本也打下去了， API价格每百万Token低至0.8元，仅为Gemini 3 pro的1/18。 当时Qwen3 Next那时，我还觉得模型训练的不是很成熟 ， 当时Qwen3 Next那时，我还觉得模型训练的不是很成熟 但测试了千问3.5后，感觉真不一样，这5个月，真是猛猛干呀， Qwen的原生的时代到来了 有多强，你先来看，我前几天用 GLM5做了一个小马游戏 ， GLM5做了一个小马游戏 这是做的效果，我录了个视频，直接给到Qwen3.5 Plus， 结果如下： 完美复刻，牛而逼之，还能玩，有体力，距离、速度。 整体实测下来， • 因为原生多模态的原因，对网页复刻、细粒度图像识别的效果好很多 • 相较于之前的Qwen3 VL模型，Qwen3.5的目标识别、空间排序都有很大一定程度的提高， • 部分场景已经堪比Gemini3.0 Pro了，但是泛化能力上有待提高 • 空间推理还有一些不足，对于复杂变换理解不好 • 表格识别、OCR依旧很强 • 看图识成语攻克了，但时钟依然有问题 • 文本的推理逻辑也整体有提高，但稳定性有待提高 • coding没怎么细测，过阵子再说，累了 目标对比 Prompt：找到图片中奔跑的人，并返回行列序号，比如：几行几列。 结果：回答正确，我怕背答案，然后加大难度，换case Prompt：找到磨损的眼镜，并返回行列序号，比如：几行几列。 结果：回答正确 Prompt：找到不开心的冰块，并返回行列序号，比如：几行几列。 结果：回答错误，这个确实有难度了 图片复刻 Prompt：根据图片内容，1：1复刻出网页， 原始 复刻 结果：效果不错，比之前Qwen3 VL要好很多。 Prompt：复刻一下迷宫的路线，要保持一模一样，画一个web页面出来 结果：有瑕疵，迷宫路线不一致，但整体还不错，比Gemini3 Pro表现更好 No access 0bc3cib3saad7iac2vurfnuvgewdxejahoia.f10002 00:00 No access 0bc3cib3saad7iac2vurfnuvgewdxejahoia.f10002 00:00 图片排序 Prompt：根据图中显示的多个场景，将最有可能发生的事件按顺序排列。 结果：回答正确 结果：回答正确 空间逻辑 Prompt：告诉我鸡腿如何可以走出迷宫，告诉我“上下左右”的路线步骤 结果：不正确，没有走对，Geminni也不行，现在的VLM模型都不行 Prompt：请回答，哪个选项的六面体展开结果是上面的展开图。 结果：回答错误，应该选择D 空间变换 Prompt：告诉我，分别哪个动物看到了哪一面 结果：回答正确 Prompt：两个橘色的圈，哪个更大？ 结果：回答正确 但，泛化能力不足， 结果：回答错误，有点被答案，但其实在推理过程中，有反复确认，我觉得还是参数量不够大的问题。 OCR识别 Prompt：识别图片中的文字内容 结果：正确，对于一些ORC模型来说，这个小学生手写体都有很大的难度。 Prompt：识别图中所有字母 结果：正确，极小内容可以识别出来 Prompt：识别图片中的文字内容 结果：不对， 究极OCR case还是识别不了，依旧长尾。。 表格识别 表格识别这一块，依旧很强，因为会集成之前的训练数据，所以感觉之前好的部分，按道理都不会变差。 原表格 识别表格