阿里发布Qwen3.5三模型，27B性能优异，智能指数42
阿里巴巴扩展了其Qwen3.5模型家族，新增3款模型——27B模型表现突出，在Artificial Analysis Intelligence Index上获得42分，性能匹配8-25倍于其规模的开源权重模型。
@Alibaba_Qwen 在月初发布397B旗舰模型的基础上，扩展了Qwen3.5家族，新增三款模型：Qwen3.5 27B（密集模型，智能指数42）、Qwen3.5 122B A10B（MoE，42）和Qwen3.5 35B A3B（MoE，37）。两个MoE模型每次前向传播仅激活总参数的一小部分（122B中激活10B，35B中激活约3B）。智能指数是我们的综合指标，包含10项评估，涵盖通用推理、智能体任务、编程和科学推理。
所有模型采用Apache 2.0许可，原生支持262K上下文，并回归了原始Qwen3的统一思考/非思考混合架构，此前阿里巴巴在Qwen3 2507更新中转向了分离的指令和推理检查点。
推理变体的关键基准测试结果：
➤ Qwen3.5 27B在智能指数上获得42分，是230B以下最智能的模型。相近规模的最接近模型是GLM-4.7-Flash（31B总参，3B激活），得分30。同等智能水平的开源权重模型总参数大8-25倍：MiniMax-M2.5（230B，42）、DeepSeek V3.2（685B，42）和GLM-4.7（357B，42）。在FP8精度下，存储模型权重约需27GB，而4-bit量化则可在16GB以上RAM的笔记本电脑级别硬件上运行。
➤ Qwen3.5 27B在GDPval-AA（智能体真实工作任务）上得分1205，与更大模型并列。作为背景，MiniMax-M2.5得分1206，GLM-4.7（推理）得分1200，DeepSeek V3.2（推理）得分1194。这对于一个27B参数模型来说尤为显著，表明其强大的智能体能力。GDPval-AA测试模型在44个职业和9个主要行业的真实世界任务上的表现。
➤ AA-Omniscience仍然是Qwen3.5家族的一个相对弱点，主要由于准确率较低而非幻觉率。Qwen3.5 27B在AA-Omniscience上得分-42，与MiniMax-M2.5（-40）相当，但落后于DeepSeek V3.2（-21）和GLM-4.7（-35）。尽管Qwen3.5 27B的幻觉率（80%）低于同类（GLM-4.7 90%，MiniMax 89%，DeepSeek 82%），但其准确率也较低，为21%，而DeepSeek V3.2为34%，GLM-4.7为29%。这可能是模型规模的结果——我们通常观察到总参数更多的模型在AA-Omniscience上准确率更高，因为更广泛的知识回忆受益于更大的参数数量。
➤ Qwen3.5 27B与Qwen3.5 122B A10B智能水平相当。122B A10B是一个混合专家模型，每次前向传播仅激活122B总参数中的10B。27B模型在GDPval-AA上领先（1205 Elo vs 1145 Elo），在TerminalBench上略优（+1.5个百分点），而122B模型在SciCode（+2.5个百分点）、HLE（+1.2个百分点）上领先，并且幻觉率更低（Omniscience -40 vs -42）。
➤ Qwen3.5 35B A3B（推理，37）是约3B激活参数中最智能的模型，领先GLM-4.7-Flash（30）7分。其他约3B激活参数的模型包括Qwen3 Coder Next（80B总参，28）、Qwen3 Next 80B A3B（27）和NVIDIA Nemotron 3 Nano 30B A3B（24）。
➤ Qwen3.5 27B使用9800万输出令牌运行智能指数，通过阿里云API花费约299美元。与同等智能水平的模型相比，令牌使用量显著偏高：MiniMax-M2.5（5600万）、DeepSeek V3.2（6100万），甚至更大的Qwen3.5 397B（8600万）。
其他信息：
➤ 上下文窗口：262K令牌（可通过YaRN扩展到1M）
➤ 许可证：Apache 2.0
➤ API定价（阿里云）：397B：每百万输入/输出令牌$0.60/$3.60，122B：$0.40/$3.20，27B：$0.30/$2.40，35B A3B：$0.25/$2.00
@Alibaba_Qwen 在月初发布397B旗舰模型的基础上，扩展了Qwen3.5家族，新增三款模型：Qwen3.5 27B（密集模型，智能指数42）、Qwen3.5 122B A10B（MoE，42）和Qwen3.5 35B A3B（MoE，37）。两个MoE模型每次前向传播仅激活总参数的一小部分（122B中激活10B，35B中激活约3B）。智能指数是我们的综合指标，包含10项评估，涵盖通用推理、智能体任务、编程和科学推理。
所有模型采用Apache 2.0许可，原生支持262K上下文，并回归了原始Qwen3的统一思考/非思考混合架构，此前阿里巴巴在Qwen3 2507更新中转向了分离的指令和推理检查点。
推理变体的关键基准测试结果：
➤ Qwen3.5 27B在智能指数上获得42分，是230B以下最智能的模型。相近规模的最接近模型是GLM-4.7-Flash（31B总参，3B激活），得分30。同等智能水平的开源权重模型总参数大8-25倍：MiniMax-M2.5（230B，42）、DeepSeek V3.2（685B，42）和GLM-4.7（357B，42）。在FP8精度下，存储模型权重约需27GB，而4-bit量化则可在16GB以上RAM的笔记本电脑级别硬件上运行。
➤ Qwen3.5 27B在GDPval-AA（智能体真实工作任务）上得分1205，与更大模型并列。作为背景，MiniMax-M2.5得分1206，GLM-4.7（推理）得分1200，DeepSeek V3.2（推理）得分1194。这对于一个27B参数模型来说尤为显著，表明其强大的智能体能力。GDPval-AA测试模型在44个职业和9个主要行业的真实世界任务上的表现。
➤ AA-Omniscience仍然是Qwen3.5家族的一个相对弱点，主要由于准确率较低而非幻觉率。Qwen3.5 27B在AA-Omniscience上得分-42，与MiniMax-M2.5（-40）相当，但落后于DeepSeek V3.2（-21）和GLM-4.7（-35）。尽管Qwen3.5 27B的幻觉率（80%）低于同类（GLM-4.7 90%，MiniMax 89%，DeepSeek 82%），但其准确率也较低，为21%，而DeepSeek V3.2为34%，GLM-4.7为29%。这可能是模型规模的结果——我们通常观察到总参数更多的模型在AA-Omniscience上准确率更高，因为更广泛的知识回忆受益于更大的参数数量。
➤ Qwen3.5 27B与Qwen3.5 122B A10B智能水平相当。122B A10B是一个混合专家模型，每次前向传播仅激活122B总参数中的10B。27B模型在GDPval-AA上领先（1205 Elo vs 1145 Elo），在TerminalBench上略优（+1.5个百分点），而122B模型在SciCode（+2.5个百分点）、HLE（+1.2个百分点）上领先，并且幻觉率更低（Omniscience -40 vs -42）。
➤ Qwen3.5 35B A3B（推理，37）是约3B激活参数中最智能的模型，领先GLM-4.7-Flash（30）7分。其他约3B激活参数的模型包括Qwen3 Coder Next（80B总参，28）、Qwen3 Next 80B A3B（27）和NVIDIA Nemotron 3 Nano 30B A3B（24）。
➤ Qwen3.5 27B使用9800万输出令牌运行智能指数，通过阿里云API花费约299美元。与同等智能水平的模型相比，令牌使用量显著偏高：MiniMax-M2.5（5600万）、DeepSeek V3.2（6100万），甚至更大的Qwen3.5 397B（8600万）。
其他信息：
➤ 上下文窗口：262K令牌（可通过YaRN扩展到1M）
➤ 许可证：Apache 2.0
➤ API定价（阿里云）：397B：每百万输入/输出令牌$0.60/$3.60，122B：$0.40/$3.20，27B：$0.30/$2.40，35B A3B：$0.25/$2.00