产品介绍
一个专为长周期agent任务设计的开源权重、原生视觉语言模型。其混合架构（线性注意力 + 专家混合）实现了3970亿参数巨量模型的能力，同时保持了170亿模型的推理速度。
适合谁关注
- 开发者和技术团队
- 设计师、内容创作者和视觉团队
- 产品经理、运营和高频知识工作者
- 教育产品团队和学习工具用户
可借鉴场景
- 快速理解 Qwen3.5 的定位、核心能力和 Product Hunt 热度
- 判断“拥有170亿活跃参数的原生多模态3970亿参数agent”这类需求是否值得做竞品调研
- 沿着 开发者工具、AI 与智能体 继续发现同类产品和替代方案
- 筛选高票产品，观察海外用户当前愿意投票支持的产品形态
211
投票数
2
评论数
2月17日
发布日期
作者自荐
总结
Qwen3.5 代表了当前开源大模型领域在架构效率上的重要突破。其核心创新在于通过混合专家（MoE）与线性注意力结合的架构，实现了"参数规模"与"推理效率"的巧妙平衡。拥有3970亿总参数却仅激活170亿参数进行推理，这种设计使其在保持巨型模型复杂任务处理能力的同时，大幅降低了计算成本和延迟，为 agent 的实时、长周期运行提供了可能。原生多模态设计避免了拼接适配器带来的性能损失，使其在视觉-语言协同任务上更具优势。目标用户主要是需要部署高效、可定制 AI agent 的开发者与企业。其 Apache 2.0 许可证和 vLLM/SGLang 的即用支持，进一步降低了部署门槛。潜在挑战在于社区生态的构建以及如何证明其在复杂、真实世界 agent 工作流中的稳定性和泛化能力。
GitMemo免费开源
把 AI 对话保存到你的 Git 知识库
本地优先，支持 macOS 与 Android。剪贴板、截图、笔记和文件都能集中保存、搜索、同步。
获取安装包
大家好！ Qwen3.5 现已发布。这是一个拥有3970亿参数的原生视觉语言模型。 基于 Qwen3-Next 架构（线性注意力 + 专家混合），每次前向传播仅激活170亿参数。这实现了一个独特的优势：既能获得巨型模型的推理深度，又能保持小型模型的推理延迟。 对于应用而言，这种效率对 agent 至关重要。 它原生支持多模态，无需外接视觉适配器，在 agent 任务上表现出色。这意味着能够处理复杂的工作流，同时避免消耗大量 token。 采用 Apache 2.0 许可证，并已准备好开箱即用地支持 vLLM/SGLang！