Qwen3.5 от Alibaba: маленькая модель меняет рынок ИИ

kirilljsx

Qwen3.5 от Alibaba - это новая линейка компактных ИИ-моделей, которые работают быстрее и дешевле предшественников. Они подходят для задач от анализа изображений до агентных сценариев. Такие модели решают проблему высоких затрат на большие нейросети, делая ИИ доступным для локального запуска на обычном железе.

Разработчики фокусируются на скорости и экономии, чтобы разработчики могли интегрировать ИИ без облачных расходов. Это особенно полезно для мобильных приложений и десктопных агентов. В итоге маленькие модели дают производительность на уровне гигантов, но с меньшим потреблением ресурсов.

Что такое Qwen3.5 и почему она компактная

Qwen3.5 - это семейство моделей от Alibaba с размерами от 0,8 млрд до 397 млрд параметров. Главная фишка - архитектура Mixture of Experts (MoE), где активируется только часть параметров. Например, в флагмане Qwen3.5-397B-A17B из 397 млрд работает всего 17 млрд, что снижает затраты на 90 процентов.

Модели мультимодальные из коробки: обрабатывают текст, изображения и видео до двух часов. Они быстрее предшественников в 19 раз при контексте 256 тысяч токенов. Поддержка выросла до 201 языка, словарь - до 250 тысяч токенов, что ускоряет обработку на 10-60 процентов для большинства языков.

Вот ключевые версии моделей:

Qwen3.5-0.8B и 2B: миниатюрные, для быстрых задач на слабом железе.
Qwen3.5-4B: мультимодальная, контекст 262 тысячи токенов, для легких агентов.
Qwen3.5-9B: превосходит gpt-oss-120B в 13,5 раза по размеру, сильна в логике и языках.
Qwen3.5-397B-A17B: флагман с 1 млн токенов контекста, early-fusion мультимодальность.

Модель	Параметры (всего/активные)	Контекст	Особенности
Qwen3.5-0.8B	0.8B / -	-	Быстрая, мини
Qwen3.5-9B	9B / -	1M	Логика, языки
Qwen3.5-397B	397B / 17B	1M	MoE, видео 2ч

Преимущества в скорости и стоимости

Qwen3.5 в 3,5-7 раз быстрее Qwen3-235B при большом контексте, стоимость на 60 процентов ниже. Маленькая 9B-модель держит контекст в 1 млн токенов и побеждает крупные аналоги в тестах. Обучение на триллионах очищенных данных дало уровень производительности как у моделей с триллионом параметров.

В агентных задачах модель набирает 86,7 балла в TAU2, близко к лидерам вроде Claude 4.5. Она решает лабиринты кодом на Python, анализирует видео по фазам светофора. Early-fusion позволяет работать без отдельных адаптеров для vision.

Преимущества по тестам:

Агентные сценарии: 86,7 в TAU2, автономное планирование шагов.
Мультимодальность: анализ видео, GUI-агенты для десктопа и мобильных.
Экономия: 8 раз лучше с большими данными, open-weights для локального запуска.

Сравнение скорости	Qwen3.5	Предшественник
Обработка запросов	19x быстрее	Qwen3-Max
Стоимость	-60%	Базовая
Контекст 256K	3.5-7x	Qwen3-235B

Применение в разработке и агентах

Модели подходят для бэкенда, фронтенда и мобильной разработки благодаря компактности. Qwen3.5-Plus через API стабильна для продуктов, с фокусом на agentic AI - планирование, инструменты, длинный контекст. Локальные версии запускаются одной командой в оболочках вроде llama.

Она пишет код, проверяет ошибки, строит цепочки рассуждений в 95 процентов случаев точно. В Thinking mode решает сложные задачи кодинга. Подходит для бизнеса: дешевле Tencent, Baidu, интегрируется в покупки и услуги.

Примеры использования:

Кодинг агенты: прохождение лабиринтов, визуализация путей.
Анализ видео: разбор действий водителя по светофорам.
Локальный ИИ: на ноутбуке, без облака, для приватности.

Qwen3.5 меняет рынок, предлагая open-source альтернативы с мощью гигантов.

Перспективы и что дальше

Qwen3.5 уже бьет рекорды в нишевых тестах, но уступает GPT-5.2 в общих. Alibaba комбинирует open-weights и облачный API для разных нужд. Дальше ждем полных мультимодальных обновлений и интеграций.

Маленькие модели открывают ИИ для всех, от энтузиастов до enterprises. Стоит присмотреться к MoE-архитектуре - она задает тренд на эффективность. Вопросы остаются по масштабированию на реальных рабочих нагрузках.