阿里巴巴已推出4款新的Qwen3.5模型，參數範圍從0.8B到9B。9B（推理，智力指數32）是10B參數以下最智能的模型，而4B（推理，智力指數27）是5B以下最智能的模型，但兩者都使用200M+的輸出標記來運行智力指數。 @Alibaba_Qwen擴展了Qwen3.5系列，推出了四個較小的密集模型：9B（推理，智力指數32）、4B（推理，智力指數27）、2B（推理，智力指數16）和0.8B（推理，智力指數9）。這些模型補充了本月早些時候發布的更大模型397B、27B、122B A10B和35B A3B。所有模型均為Apache 2.0許可，支持262K上下文，包含原生視覺支持，並使用與Qwen3.5系列其他模型相同的統一思維/非思維混合方法。 推理變體的關鍵基準結果： ➤ 9B和4B是各自尺寸類別中最智能的模型，領先於所有其他10B參數以下的模型。Qwen3.5 9B（32）的得分大約是10B以下下一個最接近模型的兩倍：Falcon-H1R-7B（16）和NVIDIA Nemotron Nano 9B V2（推理，15）。儘管參數大約只有一半，Qwen3.5 4B（27）的得分仍超過所有這些模型。所有四個小型Qwen3.5模型都位於智力與總參數圖表的Pareto邊界上。 ➤ Qwen3.5世代在所有10B以下模型尺寸上相較於Qwen3代表了實質的智力提升，隨著總參數數量的增加，增幅更大。比較推理變體：Qwen3.5 9B（32）比Qwen3 VL 8B（17）高出15分，4B（27）比Qwen3 4B 2507（18）高出9分，2B（16）比Qwen3 1.7B（估計13）高出3分，而0.8B（9）比Qwen3 0.6B（6.5）高出2.5分。 ➤ 所有四個模型使用230-390M的輸出標記來運行智力指數，顯著高於Qwen3.5的較大兄弟模型和Qwen3的前身。Qwen3.5 2B使用約390M的輸出標記，4B使用約240M，0.8B使用約230M，9B使用約260M。作為參考，較大的Qwen3.5 27B使用了98M，而397B旗艦模型使用了86M。這些標記數量也超過了大多數前沿模型：Gemini 3.1 Pro Preview（57M）、GPT-5.2（xhigh，130M）和GLM-5推理（109M）。 ➤ AA-Omniscience是一個相對的弱點，4B和9B的幻覺率為80-82%。Qwen3.5 4B的AA-Omniscience得分為-57，幻覺率為80%，準確率為12.8%。Qwen3.5 9B的得分為-56，幻覺率為82%和14.7%的準確率。這些數據比它們的Qwen3前身稍有改善（Qwen3 4B 2507：-61，84%幻覺，12.7%準確率），改善主要是由於較低的幻覺率，而非較高的準確率。 ➤ Qwen3.5的10B以下模型結合了高智力和原生視覺，達到以前無法獲得的規模。在MMMU-Pro（多模態推理）上，Qwen3.5 9B得分69.2%，4B得分65.4%，領先於Qwen3 VL 8B（56.6%）、Qwen3 VL 4B（52.0%）和Ministral 3 8B（46.0%）。Qwen3.5 0.8B得分25.8%，這對於一個1B以下的模型來說是相當顯著的。 其他信息： ➤ 上下文窗口：262K標記 ➤ 許可證：Apache 2.0 ➤ 量化：原生權重為BF16。阿里巴巴尚未為這些小型模型發布第一方的GPTQ-Int4量化，儘管他們已為早期發布的Qwen3.5系列中的較大模型（27B、35B-A3B、122B-A10B、397B-A17B）發布了。在4位量化中，所有四個模型都可以在消費者硬體上訪問。 ➤ 可用性：在發布時，沒有第一方或第三方無伺服器API托管這些模型。

Qwen3.5 代的生成在小型模型智能上相較於 Qwen3 有了顯著的變化。9B 在 Qwen3 VL 8B 上提升了 15 分（從 17 到 32），4B 在 Qwen3 4B 2507 上提升了 9 分（從 18 到 27），2B 在 Qwen3 1.7B 上提升了 3 分（從 13 到 16），而 0.8B 在 Qwen3 0.6B 上提升了 2.5 分（從 6.5 到 9）。

智能增益的代價是與同業相比高額的代幣使用量。所有四個低於10B的Qwen3.5模型在運行智能指數時使用超過230M的輸出代幣——這顯著高於大多數前沿模型以及Qwen3的前身。

Qwen3.5 9B 和 4B 模型是最智能的多模態模型，參數少於 15B。在 MMMU-Pro 上，Qwen3.5 9B（69%）和 4B（65%）領先所有少於 15B 的模型。

所有 4 個模型的個別結果分析

比較 Qwen3.5 家族與其他領先模型：