Qwen3.5：迈向原生多模态智能体

Qwen3.5：迈向原生多模态智能体 Qwen3.5：迈向原生多模态智能体 Modified February 16 No access 0bc3myb4caadzmaa7b4rtvuvgzwdyftahqia.f10002 00:00 No access 0bc3xib3yaadnmahk5mr5fuvhowdxs5ahpaa.f10002 00:00 3.Qwen Code 以 Qwen3.5 为底层模型，Qwen Code 支持“vibe coding”体验，可将自然语言指令转化为代码、实时迭代开发项目，并支持如生成视频等富有创意的任务。Qwen Code 与 Qwen3.5 协同，为日常编程和探索性编程带来流畅高效的体验。 No access 0b2ef4aacaaa3yamxoustjuval6daexqaaia.f10002 00:00 视觉智能体 1.GUI智能体 Qwen3.5 可作为视觉智能体，自主操作手机与电脑完成日常任务。在移动端，它已适配更多主流应用，支持自然语言指令驱动操作；在 PC 端，能处理跨应用的数据整理、多步骤流程自动化等复杂任务，有效减少重复性人工干预，提升工作效率。 No access 0bc3keaekaaabqai4u4sgzuvauodiviqaria.f10002 00:00 2.视觉编程 Qwen3.5 支持图像与视频输入，上下文窗口扩展至 1M tokens，可直接处理长达 2 小时的视频内容。基于此，它能将手绘界面草图转化为结构清晰的前端代码，对简单游戏视频进行逻辑还原，或将长视频内容自动提炼为结构化网页或可视化图表，降低创意到实现的门槛。 Prompt： Create a homepage of OpenQwen, a virtual assistant personal agent that can help with coding, office works, shopping and so on. Generate high quality images as the website’s resources, including an avatar and demos of its use cases. 3.带图推理 突破传统抠图工具的局限，Qwen3.5原生支持代码级图像处理：可自动裁剪局部区域放大细节，或通过标注、增强等操作强化关键特征，实现更精细的视觉推理与分析。 No access 0bc3zyaawaaagaanrnessnuvbtwdbphaacya.f10002 00:00 4.空间智能 借助对图像像素级位置信息的建模，Qwen3.5 在物体计数、相对位置判断、空间关系描述等任务中表现更准确。它能有效缓解因视角变化或遮挡导致的误判，在自动驾驶场景理解、机器人导航等具身智能应用中展现出良好的空间感知潜力。 No access 0bc34iab6aaa5eamutessvuvbywdd7raahya.f10002 00:00 5.视觉推理 相比 Qwen3 VL，Qwen3.5 在学科解题及其他视觉推理任务上表现更稳健。通过将图像内容与上下文理解相结合，它能进行多步逻辑推理，为教育、科研等领域的多模态 Agent 应用提供更可靠的基础。 No access 0bc32iaaiaaaheancrestzuvbuwdatjaabaa.f10002 00:00 No access 0bc3myb4caadzmaa7b4rtvuvgzwdyftahqia.f10002 00:00 No access 0bc3myb4caadzmaa7b4rtvuvgzwdyftahqia.f10002 00:00 No access 0bc3xib3yaadnmahk5mr5fuvhowdxs5ahpaa.f10002 00:00 No access 0bc3xib3yaadnmahk5mr5fuvhowdxs5ahpaa.f10002 00:00 3.Qwen Code 以 Qwen3.5 为底层模型，Qwen Code 支持“vibe coding”体验，可将自然语言指令转化为代码、实时迭代开发项目，并支持如生成视频等富有创意的任务。Qwen Code 与 Qwen3.5 协同，为日常编程和探索性编程带来流畅高效的体验。 No access 0b2ef4aacaaa3yamxoustjuval6daexqaaia.f10002 00:00 No access 0b2ef4aacaaa3yamxoustjuval6daexqaaia.f10002 00:00 视觉智能体 1.GUI智能体 Qwen3.5 可作为视觉智能体，自主操作手机与电脑完成日常任务。在移动端，它已适配更多主流应用，支持自然语言指令驱动操作；在 PC 端，能处理跨应用的数据整理、多步骤流程自动化等复杂任务，有效减少重复性人工干预，提升工作效率。 No access 0bc3keaekaaabqai4u4sgzuvauodiviqaria.f10002 00:00 No access 0bc3keaekaaabqai4u4sgzuvauodiviqaria.f10002 00:00 2.视觉编程 Qwen3.5 支持图像与视频输入，上下文窗口扩展至 1M tokens，可直接处理长达 2 小时的视频内容。基于此，它能将手绘界面草图转化为结构清晰的前端代码，对简单游戏视频进行逻辑还原，或将长视频内容自动提炼为结构化网页或可视化图表，降低创意到实现的门槛。 Prompt： Create a homepage of OpenQwen, a virtual assistant personal agent that can help with coding, office works, shopping and so on. Generate high quality images as the website’s resources, including an avatar and demos of its use cases. 3.带图推理 突破传统抠图工具的局限，Qwen3.5原生支持代码级图像处理：可自动裁剪局部区域放大细节，或通过标注、增强等操作强化关键特征，实现更精细的视觉推理与分析。 No access 0bc3zyaawaaagaanrnessnuvbtwdbphaacya.f10002 00:00 No access 0bc3zyaawaaagaanrnessnuvbtwdbphaacya.f10002 00:00 4.空间智能 借助对图像像素级位置信息的建模，Qwen3.5 在物体计数、相对位置判断、空间关系描述等任务中表现更准确。它能有效缓解因视角变化或遮挡导致的误判，在自动驾驶场景理解、机器人导航等具身智能应用中展现出良好的空间感知潜力。 No access 0bc34iab6aaa5eamutessvuvbywdd7raahya.f10002 00:00 No access 0bc34iab6aaa5eamutessvuvbywdd7raahya.f10002 00:00 5.视觉推理 相比 Qwen3 VL，Qwen3.5 在学科解题及其他视觉推理任务上表现更稳健。通过将图像内容与上下文理解相结合，它能进行多步逻辑推理，为教育、科研等领域的多模态 Agent 应用提供更可靠的基础。 No access 0bc32iaaiaaaheancrestzuvbuwdatjaabaa.f10002 00:00 No access 0bc32iaaiaaaheancrestzuvbuwdatjaabaa.f10002 00:00 关注我，掌握千问大模型最新动态 🔗 原文链接： https://mp.weixin.qq.com/s/AAanKh5u... https://mp.weixin.qq.com/s/AAanKh5u... 原创 除夕上新的 除夕上新的 千问大模型2026年2月16日 17:11 安徽 我们很高兴正式发布 Qwen3.5 ，并推出Qwen3.5系列的第一款模型 Qwen3.5 397B A17B 的开放权重版本。作为原生视觉 语言模型，Qwen3.5 397B A17B 在推理、编程、智能体能力与多模态理解等全方位基准评估中表现优异，助力开发者与企业显著提升生产力。该模型采用创新的混合架构，将线性注意力（Gated Delta Networks）与稀疏混合专家（MoE）相结合，实现出色的推理效率：总参数量达 3970 亿，每次前向传播仅激活 170 亿参数，在保持能力的同时优化速度与成本。我们还将语言与方言支持从 119 种扩展至 201 种，为全球用户提供更广泛的可用性与更完善的支持。 （Qwen3.5 Plus性能表现） 欢迎体验 Qwen Chat： https://chat.qwen.ai/ 模型表现 自然语言 下面我们在多种评估任务与模态下，对 Qwen3.5 与前沿模型进行全面对比评估。 视觉语言 相对于 Qwen3 系列模型，Qwen3.5 的 Post training 性能提升主要来自于我们对各类 RL 任务和环境的全面扩展。我们更加强调 RL 环境的难度与可泛化性，而非针对特定指标或狭隘类别的 query 进行优化。下图展示了在通用 Agent 能力上，模型效果随 RL Environment scaling 带来的增益。整体性能由各模型在以下基准上的平均排名计算得出：BFCL V4、VITA Bench、DeepPlanning、Tool Decathlon 和 MCP Mark。更多任务的 scaling 效果将在我们即将发布的技术报告中详述。 （Agent能力上，模型效果随着RL Environment scaling带来的增益） 预训练 Qwen3.5 在能力、效率与通用性三个维度上推进预训练： • 能力（Power）： 在更大规模的视觉 文本语料上训练，并加强中英文、多语言、STEM 与推理数据，采用更严格的过滤，实现跨代持平：Qwen3.5 397B A17B 与参数量超过 1T 的 Qwen3 Max Base 表现相当。 • 效率（Efficiency）： 基于 Qwen3 Next 架构——更高稀疏度的 MoE、Gated DeltaNet + Gated Attention 混合注意力、稳定性优化与多 token 预测。在 32k/256k 上下文长度下，Qwen3.5 397B A17B 的解码吞吐量分别是 Qwen3 Max 的 8.6 倍/19.0 倍，且性能相当。Qwen3.5 397B A17B 的解码吞吐量分别是 Qwen3 235B A22B 的 3.5 倍/7.2 倍。 • 通用性（Versatility）： 通过早期文本 视觉融合与扩展的视觉/STEM/视频数据实现原生多模态，在相近规模下优于 Qwen3 VL。多语言覆盖从 119 增至 201 种语言/方言；25 万词表（vs. 15 万）在多数语言上带来约 10–60% 的编码/解码效率提升。 （千问3.5推理效率大幅提升） 以下是基座模型的性能表现： 基础设施 Qwen3.5 通过异构基础设施实现高效的原生多模态训练：在视觉与语言组件上解耦并行策略，避免统一方案带来的低效。利用稀疏激活实现跨模块计算重叠，在混合文本 图像 视频数据上相比纯文本基线达到近 100% 的训练吞吐。在此基础上，原生 FP8 流水线对激活、MoE 路由与 GEMM 运算采用低精度，并通过运行时监控在敏感层保持 BF16，实现约 50% 的激活显存降低与超过 10% 的加速，并稳定扩展至数万亿 token。 为了持续释放强化学习的潜力，我们构建了可扩展的异步强化学习框架，支持 Qwen3.5 全尺寸模型，并全面覆盖文本、多模态及多轮交互场景。通过训推分离架构的解耦式设计，该框架显著提升了硬件利用率，实现了动态负载均衡和细粒度的故障恢复。配合 FP8 训推、Rollout 路由回放、投机采样以及多轮 Rollout 锁定等技术，我们进一步优化了系统吞吐，提高了训推一致性。通过系统与算法协同设计，该框架在严格控制样本陈旧性的基础上有效缓解了数据长尾问题，提高了训练曲线的稳定性和性能上限。此外，框架面向原生智能体工作流设计，能够实现稳定、无缝的多轮环境交互，消除了框架层的调度中断。这种解耦设计使得系统能够扩展百万级规模的 Agent 脚手架与环境，从而显著增强模型的泛化能力。上述优化最终取得了 3×–5× 的端到端加速，展现了卓越的稳定性、高效率与可扩展性。 开始使用Qwen3.5 与 Qwen3.5 交互 欢迎在 chat.qwen.ai 上使用 Qwen3.5。我们提供自动（auto）、思考（thinking）与快速（fast）三种模式供用户选择。「自动」模式下用户可使用自适应思考，并调用搜索、代码解释器等工具；「思考」模式下模型会对难题进行深度思考；「快速」模式下模型将直接回答问题，不消耗思考 token。 阿里云百炼 用户可通过阿里云百炼调用我们的旗舰模型 Qwen3.5 Plus 进行体验。若要开启推理、联网搜索与 Code Interpreter 等高级能力，只需传入以下参数： • enable thinking： 开启推理模式（链式思考） • enable search： 开启联网搜索与 Code Interpreter 示例代码如下： 你可以将百炼 API 与 Qwen Code、Claude Code、Cline、OpenClaw、OpenCode 等第三方编程工具无缝集成，获得流畅的「vibe coding」体验。 总结及未来工作 Qwen3.5 凭借高效的混合架构与原生多模态推理，为通用数字智能体奠定了坚实基础。下一 阶段的重点将从模型规模转向系统整合：构建具备跨会话持久记忆的智能体、面向真实世界交互的具身接口、自我改进机制，目标是能够长期自主运行、逻辑一致的系统，将当前以任务为边界的助手升级为可持续、可信任的伙伴。 Demo No access 0bc3nubcqaacjmaod6eqrbuve3odfbwqekaa.f10002 00:00 No access 0bc3nubcqaacjmaod6eqrbuve3odfbwqekaa.f10002 00:00 如今，具备 agent 能力的 Qwen3.5 能够结合多模态做到边思考、边搜索、边调用工具。 代码智能体 1.网页开发 Qwen3.5 可以协助进行网页开发，尤其在构建网页和设计用户界面等前端任务方面表现出色。它能够将简单的指令转化为可运行的代码，让网站创建变得更加轻松高效。 2.OpenClaw Qwen3.5 可与 OpenClaw 集成，驱动编程任务。通过将 OpenClaw 作为第三方智能体环境集成，Qwen3.5 能够进行网页搜索、信息收集和结构化报告生成——它结合自身的推理与工具调用能力，以及 OpenClaw 的接口，为用户带来流畅的编码和研究体验。