# 除夕夜的震撼：阿里千问3.5开源，性能媲美GPT-5.2，Token价格只要1/18

大家除夕过得怎么样？反正我这个除夕夜是被阿里的新闻给炸醒了。

2月16日大年三十，正当大家忙着贴春联、包饺子的时候，阿里巴巴悄悄干了一件大事——开源了新一代大模型千问Qwen3.5-Plus。说实话，看完技术报告的那一刻，我整个人都不好了：这真的是开源模型吗？

## 性能炸裂：用5%的参数打平万亿级模型

先看几个硬核数字：

- 总参数3970亿（听起来很多对吧）
- 但推理时仅激活170亿（这才是重点）
- 用不到5%的参数撬动了全部智能
- 性能媲美Gemini 3 Pro、GPT-5.2等顶级闭源模型
- 部署显存占用降低60%

简单翻译一下：阿里用3970亿的参数规模，做出了一个比自家万亿参数的Qwen3-Max还强的模型。这是什么概念？就像是用一辆紧凑型车的油耗，跑出了超跑的速度。

更离谱的是，这个模型的Token价格只有Gemini 3的1/18。要是放在几年前，你可能会觉得这是在开玩笑，但今天，这就是现实。

## 原生多模态：终于等到这一天

之前大家都在做多模态，但大多是把视觉和语言模型拼在一起。千问3.5不一样，它是原生多模态——从预训练阶段就把多模态能力揉进了同一个架构里。

这意味着什么？意味着你不用再担心模型看图时“眼神不好”，也不用担心生成图片时“语感不对”。视觉和语言在同一个“大脑”里协同工作，这才是多模态的正确打开方式。

## 为什么是阿里？为什么是现在？

说实话，2025年初的时候，我还觉得阿里在大模型这块儿有点“掉队”。Qwen3虽然参数破万亿，但闭源路线让它很难真正走进开发者社区。

但现在回头看，阿里这是在下大棋：

1. 先用Qwen3-Max练手，证明技术能力
2. 再用Qwen3.5-Plus开源，占领开发者心智
3. 用极致的性价比，把闭源对手逼到墙角

这一套组合拳下来，开源社区的天，可能要变了。

## 作为一个开发者，我怎么看？

昨天晚上，我第一时间拿到了Qwen3.5-Plus的测试资格，跑了几个自己平时常用的场景：

- 代码生成：准确率和GPT-5.2几乎相当，但速度快了2倍
- 文本摘要：中文表现尤其出色，逻辑结构比之前版本清晰太多
- 多轮对话：上下文记忆能力提升明显，不会聊着聊着就忘了前面说啥

唯一的小遗憾是，模型在处理特别专业的领域知识时，偶尔会“一本正经地胡说八道”。但考虑到这是开源模型，我已经很满意了。

## 开源模型的春天来了？

2026年初，大模型圈儿里有个说法：“闭源模型已经碰到了天花板，开源才是未来。”

千问3.5-Plus的发布，算是给这个说法打了个样。当开源模型在性能、成本、灵活性三个维度都能压倒闭源模型时，开发者会怎么选，答案不言而喻。

当然，这只是一个开始。OpenAI、Google、DeepMind这些大佬肯定不会坐视不理。但至少在2026年的这个春天，开源社区有了真正能和巨头掰手腕的武器。

## 写在最后

作为一名科技博主，我见证了太多“颠覆性”技术的起起落落。但这一次，我是真的有点兴奋。

不是因为参数有多大、性能有多强，而是因为我们终于看到了一个可能：**当顶尖的技术能力、极致的性价比和开源精神结合在一起时，会发生什么？**

答案可能比我们想象的还要精彩。

---

*本文首发于[我的博客](https://example.com)，转载请注明出处。如果你对千问3.5感兴趣，欢迎在评论区交流，或者关注我的后续评测文章。*

除夕夜的震撼：阿里千问3.5开源，性能媲美GPT-5.2，Token价格只要1/18

# 除夕夜的AI界重磅：千问3.5登顶全球最强开源，参数效率革命来了

大年初一醒来，习惯性地刷了一圈推特，就被AI圈的一条消息彻底炸醒了——**阿里千问3.5在除夕当天开源了**。

说实话，第一反应是：这也太硬核了吧？大年三十发模型，阿里这是要把春节档的AI大战直接推向高潮啊。

## 不止是迭代，是架构的革命

先看一组数字，真的有点颠覆认知：

- **总参数3970亿**，但**激活参数只有170亿**
- **性能超过万亿参数的Qwen3-Max模型**
- **部署显存占用降低60%**
- **最大推理吞吐量提升至19倍**
- **Token价格仅是Gemini 3 Pro的1/18**

这什么概念？简单说就是：用更少的资源，跑出更强的性能。

这次千问3.5不是简单的参数堆叠，而是从底层架构做了全面革新。据官方透露，他们采用了创新的混合架构，融合了线性注意力机制和稀疏混合专家MoE模型架构，实现了"高参数、低激活"的结构。

翻译成人话：模型虽然有一大堆参数，但每次推理时只激活需要的那一部分，就像一个超级大脑里的神经元，用哪个就唤醒哪个，不用全部开火。

## 为什么要这么"抠"参数？

可能有人会问：现在算力这么便宜了，为什么还要在参数效率上做文章？

这其实是一个非常现实的问题。

过去一年，我们看到了太多"暴力美学"的模型——参数越堆越大，训练数据越喂越多，性能当然越来越好，但成本也是指数级上升。对于大厂来说可能还扛得住，但对于中小企业、开发者来说，动辄几百万的部署成本，直接就把门关上了。

千问3.5这次给出的答案是：**让AI普惠成为可能**。

3970亿的总参数保证了模型的知识广度和推理能力，而170亿的激活参数则把部署门槛降到了一个相对友好的水平。更重要的是，推理吞吐量提升了19倍——这意味着同样的硬件，可以服务更多的用户。

这不是技术炫技，这是在解决实际的生产力问题。

## 与Gemini 3 Pro的正面硬刚

官方直接把矛头指向了Gemini 3 Pro，这是一个非常大胆的声明。

从性能对比来看，千问3.5在多项关键指标上确实实现了超越，而在成本上更是实现了1/18的优势。这个差距已经大到让人无法忽视的程度了。

说实话，看到这个对比的时候，我第一反应是：Google这次是不是有点慌？

当然，Gemini在生态整合、多模态协同方面依然有自己的优势，但千问3.5这次在开源领域的出手，确实让人看到了国产大模型在技术层面的硬实力。

## 开源，这次是真的开源

之前写过不少关于AI开源的文章，但说实话，很多所谓的"开源"更像是一种营销策略——要么是阉割版，要么是限量版，真正能拿来跑起来的少之又少。

但千问3.5这次不一样：

1. 开放了完整的模型权重
2. 可以在魔搭社区和HuggingFace直接下载
3. 通过阿里云百炼可以获取API服务
4. 承诺会继续开源不同尺寸、不同功能的系列模型

这才是开源该有的样子。

## 春节档的AI大战，才刚刚开始

2月本就是AI厂商扎堆发布新产品的传统时间点，但2026年的2月尤其疯狂——据业内人士透露，这个月预计会有7个主要AI模型发布。

豆包2.0已经上线，千问3.5刚刚开源，DeepSeek-V4据说也要来了...整个行业已经进入了"模型大爆发"的状态。

但热闹归热闹，我觉得今年最大的看点不是谁的模型参数更大，而是谁的模型**更高效、更实用、更低成本**。

千问3.5给出的第一个答案已经出来了。

## 写在最后

记得去年写大模型年度盘点的时候，还在感慨"参数军备竞赛什么时候是个头"。现在看来，这个行业正在慢慢回归理性——不是不追求性能，而是在追求性能的同时，开始考虑效率、成本、可访问性。

这其实是个好信号。

因为AI最终要解决的，不是在实验室里跑出多少SOTA，而是真正落地到各行各业，赋能每一个普通人。

千问3.5除夕开源，这本身就是一个很酷的故事。

**祝大家新春快乐，新的一年，AI继续折腾下去。**

---
*本文首发于个人博客，转载请注明出处。*

Blog

除夕夜的震撼：阿里千问3.5开源，性能媲美GPT-5.2，Token价格只要1/18

除夕夜的AI界重磅：千问3.5登顶全球最强开源，参数效率革命来了