Karminski4天前
Qwen3.5实测!来看贺岁档大模型的实力! 贺岁档大模型来啦! Qwen3.5 这次支持了文本、图片、视频多模态输入, 本次准备了全新的后端能力测试! 以及照例带来前端能力、Agent、长上下文能力的全面测试! 来看本次新增的后端编程测试 vector DB Bench: 要求大模型从零实现一个高性能向量数据库, 只给提示词不给实现方案, 配合 coding agent 自动写代码、编译、跑分. 结果 Qwen3.5 直接甩出王炸 —— QPS 1405, 是 Kimi-K2.5 的 4.8 倍, GLM-5 的 25 倍! 关键在于它不仅用了 IVF 倒排索引 + AVX512F 指令集, 还在有限轮次内自主探索出了最优聚类参数 (K=2048, nprobe=30), 每次查询只需扫描约 15000 条数据, 而 Kimi-K2.5 的参数配比要扫描 75000 条, 正好解释了近 5 倍的性能差距. 这波调参堪称神之一手. 前端编程也有进步: 大象牙膏测试终于能正确建模三角烧瓶, 鞭炮连锁爆炸的粒子光影效果不错, 支持多模态后甚至可以对着网站录屏直接克隆. 但空间理解仍是短板, 陀飞轮机芯测试中齿轮设计暴露了差距. 指令遵循: 洛希极限测试中的指令遵循达到 85.9% (Gemini-3.0-Pro 为 90.6%), 主要扣分在未遵循加速曲线公式. Agent 能力: 硅基骑手测试得分 668.43, 仅次于 GLM-5 的 738.69, 也侧面解释了为什么后端编程 Agent 表现这么强. 长文本召回: 256K 上下文召回 99.1%, 但不给原文时四选一蒙对率高达 75.6%, 结果完全不置信. 总结: Qwen3.5 最亮眼的是后端编程能力, 同样的 IVF 算法靠调参拉开 5 倍差距, Agent 能力同样在线. 不过本次测试还发现了点小问题, 输出偶尔不太稳定, 会漏掉 markdown 语法或把答案输出到 thinking 标签里, 这点要注意, 目前我已经反馈给官方了. 这份新年礼物, 大家觉得怎么样? #Qwen #千问大模型 #Qwen35 #阿里千问 #通义实验室
00:00 / 07:00
连播
清屏
智能
倍速
点赞47
00:00 / 00:53
连播
清屏
智能
倍速
点赞338
00:00 / 07:54
连播
清屏
智能
倍速
点赞692
00:00 / 00:27
连播
清屏
智能
倍速
点赞42
00:00 / 00:59
连播
清屏
智能
倍速
点赞73
Qiuming3天前
阿里开源千问3.5,性能对标谷歌Gemini 3 Pro 除夕夜重磅发布:阿里开源千问3.5,性能对标谷歌Gemini 3 Pro,价格仅为1/18 在除夕夜的喜庆气氛中,阿里悄然发布了一道“硬菜”——全新一代开源大模型千问Qwen3.5-Plus。这款模型以其卓越的性能和惊人的性价比,直接向谷歌Gemini 3 Pro和OpenAI GPT-5.2等国际巨头发起挑战。 千问3.5的核心突破在于其高效的架构设计。虽然拥有高达3970亿的总参数,但通过创新的混合专家(MoE)架构,每次推理仅需激活170亿参数,实现了“以小博大”的效果。其性能在多项权威评测中名列前茅: 知识推理:在MMLU-Pro评测中得分超过GPT-5.2。 科学推理:在博士级科学推理评测GPQA中超越Claude 4.5。 指令遵循:在IFBench评测中刷新历史纪录。 在效率与成本方面,千问3.5更是颠覆了行业认知。其推理吞吐量在长文本场景下最高可提升19倍,极大地降低了部署门槛。而最令人震撼的是其API价格——每百万tokens仅需0.8元人民币,不到一瓶矿泉水的价格,却只有性能对标产品谷歌Gemini 3 Pro的十八分之一。 作为原生多模态模型,千问3.5从预训练阶段就实现了文本与视觉的联合学习,具备强大的视频理解、视觉编程和智能体(Agent)能力。它不仅能看懂图片和视频,还能自主操作手机和电脑应用。在春节期间,基于其强大Agent能力的AI购物助手已在6天内帮助用户完成了1.2亿笔订单,展现了强大的商业化落地能力。 此次发布再次巩固了阿里在开源AI领域的领先地位。目前,千问系列的全球下载量已突破10亿次,开发者基于其开发的衍生模型超过20万个。千问3.5-Plus的发布只是一个开始,接下来还将有更多尺寸和功能的系列模型陆续开源。
00:00 / 03:58
连播
清屏
智能
倍速
点赞3
00:00 / 03:35
连播
清屏
智能
倍速
点赞3
00:00 / 00:38
连播
清屏
智能
倍速
点赞2
新闻标题: 阿里除夕夜开源Qwen3.5大模型,A股算力、应用与生态伙伴全面受益 简要概括: 2026年2月16日(除夕夜),阿里巴巴宣布将开源新一代千问大模型Qwen3.5,该模型实现了模型架构的创新。此举旨在降低AI应用门槛、繁荣开发者生态,并推动其“AI to C”战略落地。 核心影响与受益链条: 1. 算力基础设施直接受益:大模型训练与推理需求激增,利好服务器、IDC、芯片、光模块、温控等硬件供应商。例如,浪潮信息作为阿里云AI服务器核心供应商,业绩深度绑定;数据港为模型运行提供关键算力支撑。 2. 垂直行业应用加速落地:通过“千问伙伴计划”,模型能力渗透至酒店、交通、金融、医疗、电商等领域。石基信息、千方科技、恒生电子等合作伙伴将借助千问AI优化其行业解决方案。 3. 技术生态服务商扮演桥梁角色:软通动力、润建股份等公司提供模型集成、算力调度及企业级AI转型服务,是模型规模化落地的重要推动者。 4. 零售与营销场景优化体验:阿里系持股或深度合作的三江购物、蓝色光标等公司,将千问AI能力用于线下门店数字化、社区团购及智能营销,提升运营效率。 总结:阿里此次开源巩固了其在大模型生态的领导地位,从上游算力、中游行业应用到下游零售场景,形成了一条完整的A股受益产业链。同时需注意AI技术迭代、客户集中度及商业化进度等潜在风险。
00:00 / 00:27
连播
清屏
智能
倍速
点赞129
00:00 / 00:39
连播
清屏
智能
倍速
点赞4
00:00 / 00:55
连播
清屏
智能
倍速
点赞55