什麼這code那code，先別code了，因為——中國最強程式設計模型來了！就在剛剛，阿里突襲發佈Qwen3.6-Plus新一代基座大模型，在程式設計和智能體能力上，直接捅破了國產大模型的天花板，強到Next Level～那…到底有多Next呢？ ？1M上下文直接拉滿，不僅能獨立拆解任務、規劃執行路徑、全程自測迭代達到目標，還能根據簡單提示詞搓出Vibe Coding。這不嘛，前幾天模型的preview版本提前上了OpenRouter，小編也拿到開白資格搶先實測了一番！我只給了AI一句話，幾秒鐘就得到了一個可移縮放的3D的雪山場景多模態網頁，連雪花都是動態飄落的～模型表現歸模型表現，關鍵還是要拉到真實評測中見真章啊！！值得一提的是，在涵蓋智能體程式設計、真實世界任務的權威評測中，Qwen3.6-Plus目前已經成為了最接近全球最強Claude系列的國產模型：（Claude：不er，哥們兒？？？）專業搞程式碼的大佬們拿到Qwen3.6-Plus更是爽感拉滿，這不嘛，提前體驗過的網友們速速給出反饋了——下面這位大哥直言，速度和生成體驗感比Claude更夯，Opus 4.6你還得加把勁兒啊！更有硬核網友直接開了壓力測試，在5個復合倉庫裡輪番轟炸，得出的結論嘛：甭說別的，這模型是真靠譜～目前，Qwen3.6-Plus已第一時間上線阿里雲百煉，且API服務已全面開放；此外，在悟空、千問APP等阿里AI應用和平台也已同步上線。這下好了，大家可以——直接上手搓搓搓了！！Vibe Coding、多模態理解能力忒夯不知道大家們還記不記得，上個月Qwen3.5剛發佈的時候，全網都在感嘆模型強大的程式設計能力。但老話說得好，一代更比一代強，事實上相較於上一代模型，這次發佈的Qwen3.6-Plus在程式設計Coding能力、智能體Agent能力和工具呼叫能力上直接上演了一場大型的《自己卷自己》的戲碼。（doge）咋個卷法呢？在性能上，Qwen3.6-Plus表現出了比上一代模型更敏銳的理解感知能力和更強大的多模態推理能力。在SWE-bench系列真實程式設計任務測試、考察終端程式設計的Terminal-Bench2、長程程式設計任務NL2Repo，以及Claw-Eval、QwenClawBench等真實世界Agent能力評測中——Qwen3.6-Plus幾乎直逼Claude Opus 4.5，甚至部分性能表現比Claude更優，還超越了2倍乃至3倍參數量的其他主流模型。看來，千問妥妥掌握了「以小勝大」的秘方啊？？不僅如此，基於百萬token的上下文窗口。模型還集中對OpenClaw、Qwen Code、Claude Code、Kilo Code、Cline、OpenCode等系列Agent框架進行了最佳化支援。是的，這模型卷的已經不只是模型本體，連整套Agent工作流的適配度都梭哈了…只能說——《夯，極夯》。咱們直接老規矩，圍繞模型擅長的Vibe Coding、多模態理解、問題重構等幾個能力維度上實打實測一波！Vibe Coding能力實測常言道，用程式設計模型必玩Vibe Coding，所以，咱就先來考一考Qwen3.6-Plus在網頁開發上的能力～大家都知道，對AI或者Agent來說，網頁開發其實不是啥難事兒，真正的挑戰在於——只用一句簡單提示詞，就能做出兼具視覺設計、互動邏輯與頁面跳轉的完整頁面，所以咱這次直接把難度抬高。用一句大白話指令，讓AI一鍵生成一個可互動的「AI資訊日曆網站」！幫我生成一個有科技感的AI日曆網站。首頁為月曆檢視，每一天標註對應的AI大事件，使用者點選日期後可進入詳情頁查看完整內容，包括事件標題、一句話簡介、時間和來源連結。從前端生成效果來看，整體視覺簡潔而且科技味兒還蠻濃，不僅清晰呈現了日曆結構，還自動對不同資訊做了色彩區分，閱讀體驗十分友好！！！在具體互動能力上，還支援前後月份翻閱查詢，每日日期格子內均標註可點選的資訊入口，點一下就能查看摘要內容。此外，不知道大家發現沒，頁面右側還附帶一個可跳轉連結，一鍵就能跳到原資訊網站，查閱資訊源賊方便：接下來，我們換種玩法，不生成網頁了，改玩點有意思的。挑戰用一句話讓AI幫忙製作一個可互動的色彩度比較鮮明的3D的雪山場景，看看這AI在前端視覺上的表現力咋樣。製作一個3D的雪山場景，雪山中間有一個日式的寺廟，整體風格參考塞爾達曠野之息。先看視覺效果，u1s1確實有點塞爾達那種清新明快畫風的意思，色彩飽和度和光影質感肉眼看都還是蠻舒服的。不僅如此，我還可以靈活拖動視角，360度旋轉場景、用滾輪自由縮放遠近這些都ok，甚至，連雪花粒子都是動態飄落的？？？我們繼續挑戰，再來實測一些更好玩的場景，這回看看Qwen3.6-Plus的「遊戲網站」搭建能力咋樣～幫我做一個虛擬寵物養成網頁，頁面主體是寵物的房間，使用者可以隨時看到它的狀態，寵物有飢餓、心情、體力和成長值，會隨時間變化，使用者可以在房間裡進行喂食、玩耍、洗澡、睡覺等互動，加入簡單動畫、表情變化、隨機事件和任務系統，完成可獲得金幣購買道具，整體風格可愛～So cute！！瞬間夢迴小時候玩的《皮卡堂》小遊戲～（萌翻了.jpg）從實際效果看，在這個頁面裡我不僅可以查看寵物的動態，寵物還可以跟著我的滑鼠位置進行移動。不僅如此，頁面右側還設有狀態值、互動功能、任務和商店四大類股，我還可以根據寵物狀態進行喂食、玩耍等互動操作。你還真別說，Qwen3.6-Plus在審美和互動設計這塊兒提升不少，確實真·有兩下子…咱們最後再來試一個大家幾乎都玩過的消消樂小遊戲，這次我直接把提示詞寫到簡單不能再簡單：生成一個美食卡通主題的消消樂小遊戲網站。那怕提示詞如此大白話，那怕如此簡單，這輸出效果也確實沒得說。是的，我只用了一句提示詞，Qwen3.6-Plus把核心玩法、連鎖機制、視覺UI、輔助能力這些全cover了…多模態理解能力實測除了強大的Vibe Coding能力外，Qwen3.6-Plus在多模態理解這塊兒也屬實有兩把刷子。具體來說，就是從視覺感知，到多模態推理，再到智能體執行都能hold得住！這次我喂給了模型一段AI資訊類的視訊內容，整個視訊時長說實話還蠻長的，很考驗模型的內容解析能力。我要讓它做的，不單單只是解析視訊核心內容，而是要讓它幫我進行逐秒指令碼分析，並且根據內容二創成一份適合小紅書筆記發的爆款文案，以下是我喂給Qwen3.6-Plus的原視訊：請你幫我解析一下這條視訊內容，做逐秒指令碼拆解，並根據視訊內容二創成一篇適合發小紅書的爆款筆記文案：可以看到，Qwen3.6-Plus不僅給我進行了逐秒的視訊指令碼拆解，而且每一個視角戳裡還幫我貼心地將指令碼從視覺、內容、目的三個維度進行了推理判斷。不僅如此，在下方還按照要求輸出了對應的小紅書爆款文案，並將文案概括成開頭鉤子、核心內容、關鍵發現、引起共鳴幾個維度，666啊～最後的最後，我們再來上點難度，讓Qwen3.6-Plus嘗試根據圖片內容復刻一個線上網頁。這次，我喂給了它一個旅遊規劃的頁面圖片，讓它根據頁面裡的功能，直接復刻並搭建出一個完整的線上網頁——那怕幾乎沒有任何文字的提示詞指令，Qwen3.6-Plus依舊通過多模態能力精準出了圖片的內容，並且嘛——比我圖片裡手畫的頁面佈局效果更好、視覺呈現更牛、內容更充實？？更複雜的程式設計場景照樣在行看到這兒估計有朋友該說了，上面這些場景多少有點太簡單了吧。你還真別說，更硬核的程式設計場景這不就來了嘛！事實上，除了能用簡單提示詞實現Vibe Coding、解析並執行多模態內容外，Qwen3.6-Plus還能基於命令列工具生成頁面、進行程式碼問題分析與重構，甚至自主開發工具。在命令列頁面生成能力上，Qwen3.6-Plus支援通過CC等工具直接呼叫API。我們只需輸入 「根據開源倉庫生成landing page」這類簡潔指令，就能快速產出完整網頁，實現高效自動化的前端開發！！話不多說！先給咱們「電子老婆」來個項目官網首頁～這裡說的電子老婆，正是GitHub上的開放原始碼專案AIRI—— 仿照超火虛擬主播Neuro-sama打造，能即時陪聊、陪打遊戲，妥妥全天候線上的電子伴侶（doge）。通過VS Code中的Qwen Code外掛，我讓Qwen3.6-Plus直接讀取開放原始碼專案介紹，自主理解需求、規劃頁面結構，並一次性輸出完整可用的程式碼：（提供項目）根據這個開放原始碼專案生成landing page，輸出HTML+tailwind CSS。從Thinking過程可以清晰地觀察到Qwen3.6-Plus一步步查看需求、建立檔案，整個過程能夠即時監測：Done！耗時約3分鐘，Qwen3.6-Plus就生成好了項目官網頁面，程式碼自動保存在landing-page.html檔案中：咱打開html檔案來看下效果～首先，看上去還蠻符合項目的宣傳邏輯，把臨時體驗頁面、項目開源地址、社區地址全都關聯上了。不僅如此，導覽列還能夠跳轉到對應內容，把項目介紹裡包含的能力、可相容的模型廠商、部署步驟都給概括全了，不戳不戳～接下來，我們來測試模型的「問題分析與程式碼重構」能力。這次我又在Qwen Code命令列工具裡，喂給了Qwen3.6-Plus一坨問題不小的老舊程式碼，讓它捉捉蟲：（提供項目）我剛接手這個項目，該怎麼最佳化呢？Qwen3.6-Plus看懂了原有邏輯，自動整理了一份最佳化清單，但是在動手之前還是詢問了一句「需要開始實施嗎」。比起其他大刀闊斧直接上手的模型來說，這份分寸感把握得還是相當不賴的～下一步，當然就是讓它幫我修改x山程式碼了！！我反手就是一個——這裡一定要說個好玩的，Qwen你的碎碎念也有太活人感了，先給產品經理畫餅，然後去push伺服器，接著又在老闆面前裝！模！作！樣！（還有啥是你做不出來的？？）說歸說鬧歸鬧，任務還得按部就班搞下去，修完Bug、再做最佳化，主打一個有條不紊～最佳化完成！人家具體都改了點啥呢——請看下方總結。最後嘛，還來了點小建議，be like：安裝依賴、寫測試指令碼都可以直接交給它來做，我全程省心省力只負責點頭。（美哉美哉～）（Qwen3.6-Plus：俺的程式設計本事，可是不孬！！！）AI程式設計的門檻，這回是真被打下來了說實話，從今年年初開始，我們真的接觸了太多太多的AI Agent和各種Claw字輩兒的龍蝦。此外還有一個大家感知很深的事是，當下廠商們也越來越押注模型的程式設計能力，各種Vibe Coding產品也層出不窮。我自己也在社交軟體上刷到過很多感興趣的項目，點開之前覺得蠻有意思，可一看對方用到的提示詞和輔助工具，我很快就意識到了一個問題。那就是沒點提示詞本事，沒點基礎程式設計能力，想做出和人家同款效果的Vibe Coding產品，真的蠻難的…（哭死…）只能說，大家還是苦Vibe Coding《上手門檻》久矣。△圖片由AI生成這次實測Qwen3.6-Plus下來，除了對於模型在複雜程式碼治理、跨域長程規劃等真實世界的專業程式設計任務的中呈現的過硬能力外，我更大的感受在於——它確確實實把普通人的「程式設計門檻」大幅拉低了。基於自然語言驅動的Vibe Coding不再是概念，只要一句大白話，我們就能把腦子裡的想法直接變成可運行的現實。在過去很長一段時間，行業默認用參數規模來換性能提升，模型越大，效果越好，也越貴。而這一次，Qwen3.6-Plus通過一個體量更輕的模型，交出了可以對標甚至超過2到3倍參數模型的結果，這對我們使用者來說當然是好事情。當然，更進一步從行業角度看，也不難看出Qwen3.6-Plus也正是阿里ATH（Alibaba Token Hub）思路在程式設計模型上一次很有代表性的落地。創造高效Token、輸送低成本Token、應用普惠化Token，在ATH成立後僅一個月的時間，就速速口號照進現實了。最後值得一提的是，Qwen3.6-Plus是千問3.6系列推出的第一個模型。後面千問3.6系列還會開源更多不同尺寸的版本給大家，另外性能更強的旗艦款Qwen3.6-Max也會在近期發佈。大家可以小小期待一下子～ (量子位)

我滴媽，最卷AI大模型，今年除夕又上新了！剛剛，阿里全新一代大模型Qwen3.5-Plus重磅開源發佈，直接登頂最強開源模型寶座。這一次，“源”神標竿再次被千問拔到了一個新高度：不僅性能全面領先同級開源模型，更是媲美Gemini-3-Pro、GPT-5.2等頂級閉源模型，多項基準測試甚至直接反超。更炸裂的是，Qwen3.5-Plus總參數隻有3970億，啟動僅需170億，性能卻比兆參數的Qwen3-Max還要強。直觀對比還包括——部署視訊記憶體佔用降低60%，最大推理吞吐量可提升至19倍，也就是說部署成本，以及推理效率雙雙實現大幅最佳化。這波“以小勝大”的史詩級PK，千問做到了。重點還沒說完，千問這次直接把技術紅利釋放給使用者，直接讓SOTA級模型做到了平民價。阿里雲百煉這次給千問3.5 API的定價極具競爭力：百萬Tokens輸入低至0.8元，相當於同等級模型Gemini-3-pro的1/18。並且，千問3.5首次實現201種語言的全覆蓋，詞表規模從150k大幅擴充至250k，小語種編碼效率最高提升60%，真正讓頂尖大模型走向全球使用者。截至目前，普通使用者只需登錄千問APP或PC端，即可免費體驗千問3.5模型；開發者們也可前往魔搭社區或HuggingFace，第一時間下載部署這款最強開源力作。據悉，千問3.5還只是阿里春節檔的第一彈。接下來幾天，他們將繼續開源多款千問3.5模型，可部署在本地、端側等不同場景，無論是開發者還是中小企業，通通都能用上。旗艦版Qwen3.5-Max也將在年後壓軸登場。u1s1，DeepSeek之後，中國開源模型的“瘋狂二月”太頂了。多項能力超越Gemini 3、GPT-5.2，視覺能力橫掃權威基準話不多說，千問3.5有多強，我們先來看基準測試結果。在推理、程式設計、智能體等核心維度上，千問3.5能夠以不到40%的參數量比肩國際一流梯隊。比如，在考核綜合認知能力的MMLU-Pro測試中，千問3.5得分87.8分，超過GPT-5.2。在目前公認難度最高的博士級科學推理評測基準GPQA上，更是一舉斬獲88.4分，比以嚴謹邏輯著稱的Claude 4.5還要高。這就意味著千問3.5同時兼具推理廣度與深度，不僅具備極強的知識遷移能力，還在底層邏輯上實現了突破。在指令遵循方面，千問3.5表現同樣亮眼。它以76.5分的成績領跑IFBench榜單，刷新了該項指標的最高紀錄。除此之外，千問3.5在Agent能力上也是全面發力。無論是考察通用能力的BFCL-V4，還是側重搜尋能力的Browsecomp，其評分均全面超越Gemini-3-Pro，展現出優秀的Agent協同能力。綜合來看，相比前幾代的千問模型，千問3.5在性能上更全面，不僅多維度無短板，更重要的是，能夠落地實用。之所以能夠實現這種代際躍遷，關鍵在於它的“眼睛”。與上一代的純文字模型千問3不同，千問3.5從預訓練第一天起，就是在視覺和文字的混合Token資料上進行的，而且資料量也從原先的36T Tokens進一步提升。同時新增中英文、多語言、STEM和推理等資料，讓千問3.5真正睜眼看世界，擁有了整合複雜世界知識和邏輯推理的原生多模態理解能力。這一核心能力的進化，在MathVison（多模態推理）、RealWorldQA（通用視覺問答）、CC_OCR（文字識別）、RefCOCO-avg（空間智能）、MLVU（視訊理解）等多模態主流評測中得到了有力印證：千問3.5幾乎橫掃了所有指標，刷新開源大模型多模態天花板。其中，在學科解題、任務規劃與物理空間推理等高難度場景上，千問3.5也表現出超越專項模型Qwen3-VL的綜合素養。眾所周知，Qwen3-VL是千問團隊推出的旗艦級多模態視覺語言模型，主打超長上下文、強視覺推理、視訊理解與視覺Agent能力。但作為綜合模型的千問3.5，其空間定位和圖文推理能力得到顯著增強，尤其是在處理複雜視覺資訊時，Qwen3.5會比Qwen3-VL推理邏輯更嚴謹，輸出結果也更可靠。千問3.5還突破了傳統大模型的視訊處理邊界：支援長達2小時的超長視訊直接輸入，配合1M Tokens原生上下文，能夠輕鬆應對長視訊內容的精準分析與一鍵摘要。換言之，無論是情節豐富的影視巨作還是專業的深度講座，千問3.5都能捕捉到每一處關鍵細節。同時，千問3.5還打通了視覺理解和程式碼邏輯的原生融合，讓視覺內容能夠直接轉化為技術產出。過去要開發一個介面，往往需要經過“原型設計→修改成稿→轉譯程式碼”的一系列過程，而千問3.5能夠瞬間將手繪介面草圖重構為高品質前端程式碼，並支援通過單張截圖定位並修復UI缺陷，做到“所見即所得”。由此，開發門檻被迅速抹平，視覺程式設計真正變為開發者手中的提效工具。模型實際表現如何？來看一波官方demo展示。先看最近很火的洗車靈魂拷問：我想去洗車，洗車店距離我家50米，你說我應該開車過去還是走過去？千問3.5一眼識破陷阱，精準抓住核心，車必須過去洗，邏輯線上：再來點難度，考考眼力+圖像推理能力。prompt：從所給的四個選項中，選擇最合適的填入問號中，使其具有合理性，應該選什麼？對千問3.5來說小菜一碟，輕鬆看懂圖形規律，並順利給出了正確答案：就連IMO競賽級數學幾何題，be like：也能一步步推理，迅速做出來：不只會做靜態題，出一道滑動方塊動態推理：千問3.5照樣拿捏：多模態生成也很強。讓它為Qwen Code生成一個推廣視訊：成片效果相當流暢自然，直接發佈都很OK。除了生成視訊，做網站也不在話下。讓千問3.5閱讀本地視訊檔案，就能根據內容製作一個網站，分分鐘生成完成程式碼：無論是產品宣傳片，還是核心特性突出，千問3.5都一網打盡。就連最燙的OpenClaw，千問3.5也可以與之整合，共同完成程式設計任務驅動。OpenClaw可以作為第三方智能體環境，協助千問3.5進行網頁搜尋、資訊收集和結構化報告生成等內容。千問3.5還可以作為視覺智能體，自主操控手機與電腦完成日常任務。模型架構全面革新，原生多模態不到四千億參數打贏兆，API價格打到閉源模型的零頭，千問3.5此次的突破，根源在於底層架構層面的升級。過去兩年，大模型行業整體遵循Scaling Law路徑演進，即參數規模越大、模型能力越強。從千億級邁向兆級，模型在複雜推理和多工泛化等方面持續取得進展。但這種路徑的代價同樣明顯——訓練依賴超大規模算力叢集，推理成本隨參數規模同步增長，部署門檻不斷提高，使得中小企業難以負擔，也限制了端側的落地。模型能力持續增強的同時，計算效率與可擴展性逐漸成為新的瓶頸。在這一背景下，千問3.5不再單純擴大模型規模，而是對Transformer經典架構進行了一次深度重構，通過多項關鍵技術協同最佳化，在強性能與高效率之間找到了新的平衡點。據官方介紹，千問3.5引入了四項關鍵技術。首先，是注意力機制的結構最佳化。Transformer的核心是自注意力機制，但傳統實現存在一個固問題：無論資訊是否重要，每個Token都需要與全部上下文進行計算關聯，複雜度隨上下文長度持續增長。這使得長文字處理的計算成本迅速上升，也成為限制模型長上下文能力的主要因素之一。千問3.5為此引入了混合注意力機制，不再對所有資訊一視同仁，而是根據重要程度動態分配計算資源——關鍵資訊高精度處理，次要資訊低成本帶過。在保持理解精度的同時，顯著壓低了計算開銷，長上下文處理效率也隨之提升。第二，是極致稀疏的MoE架構設計。如果說注意力最佳化解決的是“怎麼讀資訊”的問題，那MoE架構解決的是“用多少參數來回答”的問題。傳統稠密模型每次推理必須啟動全部參數，參數越多成本越高。MoE架構的思路是將模型拆分為大量專家子網路，每次推理只啟動其中最相關的一部分。千問3.5把這一思路推向極致：總參數3970億，單次推理啟動僅170億，啟動比例不到5%。大規模參數積累的知識優勢被保留，但規模帶來的成本負擔被大幅卸掉。第三，是原生多Token預測機制。傳統語言模型逐Token生成，每次輸出一個再預測下一個，序列結構直接限制了推理速度。千問3.5在訓練階段就學習聯合預測多個未來Tokens，使模型從逐字輸出變為批次輸出，而非單點預測。推理速度接近翻倍，對話響應明顯加快。第四層突破是系統級訓練穩定性最佳化。稀疏架構雖然效率極高，但訓練難度遠高於傳統稠密模型。為瞭解決訓練穩定性問題，千問團隊將此前獲得NeurIPS 2025最佳論文的注意力門控機制，引入到了千問3.5之中。該機制可以理解為注意力輸出端的“智能開關”。它即時控制資訊流強度，強化有效訊號，抑制噪聲干擾。避免訓練過程中的梯度異常和資訊失衡。除此之外，歸一化策略、專家路由初始化等深層最佳化手段也被引入，分別解決不同環節的穩定性難題，共同保證前述架構創新在超大訓練規模下穩定運行。四大殺招齊出，千問3.5實現了顛覆性的效率飛躍。官方資料顯示，新架構訓練成本降幅高達90%。與Qwen3-Max相比，Qwen3.5-Plus部署視訊記憶體佔用降60%，意味著節算力部署成本大幅降低；最大推理吞吐量可提升至19倍，大幅提升推理效率。架構創新解決的是效率問題，而千問3.5的另一重躍遷，指向的是智能本身——它要讓大模型真正“看得見”。目前行業裡不少所謂的多模態方案，做法其實是分步拼接：先把語言模型訓好，再把視覺模組接上去，中間加一層對齊網路把兩邊的表徵勉強拉到一起。更直接的做法甚至連對齊都省了，前端看起來是一個統一入口，後端其實是不同任務調不同模型，本質上就是個路由器。這類方案能用，但談不上真正的融合，而且一個常見的副作用是：視覺能力加上去了，語言能力可能反而往下掉。千問3.5選擇了更徹底的原生多模態路徑。預訓練階段就不再區分“先學文字、再學圖像”，而是把文字和視覺資料混在一起，讓模型從第一步就在同一參數空間裡同時消化這兩種資訊。這樣訓出來的模型，處理圖片和處理文字走的是同一條神經通路，不需要中間再做翻譯或對齊。這種融合在工程上極具挑戰。圖像和文字的資料結構差異很大，如果強行套用同一套平行策略，計算資源的浪費會很嚴重。千問3.5的處理方式是讓兩種模態在訓練過程中各自按最適合自己的方式走，只在必要的環節進行資訊交匯。最終，那怕同時輸入文字、圖像和視訊三種資料，整體訓練吞吐量和純文字基座模型幾乎沒有差別。同時，團隊還加上了一套針對性的混合精度方案，在不同環節靈活切換FP8和FP32，啟動記憶體砍掉了大約一半，訓練速度還額外快了10%。這套精度策略不只用在預訓練階段，強化學習和推理環節也統一部署了進去。在智能體訓練這塊，團隊又專門造了一套大規模強化學習框架，純文字、多模態、多輪對話全都能跑，訓練效率直接拉高了3到5倍。當然，上述能力的實現，最底層離不開阿里雲AI基礎設施的支撐。超大規模混合資料訓練的穩定性、多模態平行策略的工程落地、訓練到推理全鏈路的精度最佳化，每一項都需要底層算力平台的深度配合。最最關鍵的是，千問不光技術能打，更是在開放原始碼的路上一路狂飆。阿里是真“源”神不知道還有沒有人記得啊，去年阿里就在春節期間連發好幾個模型，春晚直播進行時，掐著點甩出Qwen2.5-Max，直接把DeepSeek V3給反超了。當時網友們的評論是：杭州這群人，不睡覺也要送上新春大禮包。一年過去了。又是除夕，又是千問。從2.5到3.5，千問再把“開源”兩個字做到了極致。回顧千問開源之路：自2023年開源以來，阿里已累計開源400多個模型。從0.5B到235B全尺寸覆蓋，從端側到雲端全面佈局，涵蓋文字生成、視覺理解與生成、語音理解與生成、文生圖、視訊模型等全模態領域……千問直接把開源模型貨架，擺的滿滿噹噹。而且，每一代、每一個尺寸，都在穩定輸出天花板級產品，換來實打實的戰績：全球下載量突破10億次，單月下載量超過第2名到第8名的總和，開發者基於千問開發的衍生模型已超過20萬個。千問目前已穩居全球最大AI大模型族群。“最強開源得投千問一票”，從一部分人的判斷，變成了全球開發者的共識。不論是開源開放，還是把API價格打到0.8元/百萬Tokens，亦或是將支援語言擴展到186種，千問的意圖很明顯：讓更多人能用上、用得起最頂尖的模型。當開源模型在核心能力上追平甚至反超閉源，而且免費可商用，競爭的邏輯就變了。這不再是一個模型和另一個模型之間爭跑分的遊戲，而是兩種生態路徑的選擇。Linux沒有靠賣系統成為商業巨頭，卻成為了全球伺服器領域的主流支撐。Android也不靠系統授權盈利，卻讓智慧型手機真正普及到每一個人。千問想走的路，大概也是這一條。最後別忘了，這些只是模型禮盒！今年春節請喝奶茶、紅包雨還沒算在內。阿里千問這過年的排面，太瘋狂了。 (量子位)