今天，通義千問今天正式發(fā)布 Qwen3.5，并推出Qwen3.5系列的第一款模型 Qwen3.5-397B-A17B 的開放權(quán)重版本。沐曦股份曦云C系列GPU 完成對Qwen 3.5模型的Day 0 適配。

在此次模型適配中，曦云C系列GPU及MXMACA軟件棧憑借對主流編程生態(tài)的底層高度兼容能力，實現(xiàn)對線性注意力兩類核心內(nèi)核（C++內(nèi)核與Triton內(nèi)核）的“零修改”適配，大幅降低國產(chǎn)算力平臺部署前沿算法的門檻。

對于C++軟件內(nèi)核，沐曦自研的MXMACA軟件棧實現(xiàn)了對編程模型的原生級兼容，并非通過簡單的指令翻譯模擬，而是從編譯器前端到運行時后端的全棧貫通。這種“即插即用”能力，讓底層軟件無縫遷移至國產(chǎn)平臺，適配周期從傳統(tǒng)數(shù)周壓縮至小時級。

對于Triton內(nèi)核，沐曦自主研發(fā)了Triton-MXMACA編譯后端。它直接從Triton的Python抽象語法樹生成沐曦GPU指令，實現(xiàn)高級語言到底層硬件的直達優(yōu)化。原有Triton代碼能自動適配沐曦GPU架構(gòu)，并獲得針對其張量核心與存儲層次的專項加速。如同為Triton配備了一位精通沐曦“母語”的同聲傳譯，既保證語義精準(zhǔn)，又實現(xiàn)性能高效。

沐曦GPU以“硬件通用、軟件兼容”的技術(shù)路徑，得以讓新模型算子在沐曦GPU上實現(xiàn)無縫適配，兼具快速適配、功能正確與性能滿意三重優(yōu)勢，從而加速Q(mào)wen3.5模型在國產(chǎn)算力平臺的落地。

除了Qwen3.5，近期沐曦股份曦云 C 系列產(chǎn)品還是國內(nèi)首先完成與智譜AI GLM-5、階躍星辰最新旗艦基座模型 Step 3.5 Flash 實現(xiàn)深度協(xié)同適配的國產(chǎn)算力；也在第一時間完成與 PaddleOCR-VL-1.5 等模型的 Day 0 適配。

關(guān)于Qwen 3.5

作為原生視覺-語言模型，Qwen3.5-397B-A17B 在推理、編程、智能體能力與多模態(tài)理解等全方位基準(zhǔn)評估中表現(xiàn)優(yōu)異，助力開發(fā)者與企業(yè)顯著提升生產(chǎn)力。該模型采用創(chuàng)新的混合架構(gòu)，將線性注意力（Gated Delta Networks）與稀疏混合專家（MoE）相結(jié)合，實現(xiàn)出色的推理效率：總參數(shù)量達 3970 億，每次前向傳播僅激活 170 億參數(shù)，在保持能力的同時優(yōu)化速度與成本。千問還將語言與方言支持從 119 種擴展至 201 種，為全球用戶提供更廣泛的可用性與更完善的支持。

Qwen3.5-Plus性能表現(xiàn)

模型表現(xiàn)

自然語言

千問在多種評估任務(wù)與模態(tài)下，對 Qwen3.5 與前沿模型進行全面對比評估。

視覺語言

相對于 Qwen3 系列模型，Qwen3.5 的 Post-training 性能提升主要來自于千問對各類 RL 任務(wù)和環(huán)境的全面擴展。其更加強調(diào) RL 環(huán)境的難度與可泛化性，而非針對特定指標(biāo)或狹隘類別的 query 進行優(yōu)化。下圖展示了在通用 Agent 能力上，模型效果隨 RL Environment scaling 帶來的增益。整體性能由各模型在以下基準(zhǔn)上的平均排名計算得出：BFCL-V4、VITA-Bench、DeepPlanning、Tool-Decathlon 和 MCP-Mark。更多任務(wù)的 scaling 效果將在千問即將發(fā)布的技術(shù)報告中詳述。

Ag模型效果隨著RL Environment scaling帶來的增益

體驗Qwen3.5

Qwen Chat：https://chat.qwen.ai/

更多Qwen3.5詳情，請點擊下方閱讀原文。