Wir haben das neue Qwen3.5 Open Weight, Qwen3.5-Plus, getestet

Das Qwen-Angebot von Alibaba hat sich in den letzten Wochen rasant weiterentwickelt. Wir haben es kürzlich gesehen Qwen3-Coder-Subsequent Ansprache von Entwicklern mit einem KI-Codierungsassistenten. Es folgte Qwen-Bild 2.0was die Bildgenerierungsqualität der Plattform noch weiter steigerte. Jede Veröffentlichung stärkte eine bestimmte Fähigkeit innerhalb des Ökosystems. Aufbauend auf dieser Entwicklung kommt nun die Qwen 3.5-Familie mit zwei neuen AI-Modellen – ihrem ersten Modell mit offenem Gewicht: dem Qwen3.5 397B-A17B und dem Qwen3.5-Plus.

Unter den beiden ist das erstere, additionally der Qwen3.5 397B-A17B, das Flaggschiffmodell, während der Qwen3.5-Plus das gehostete Modell ist, das über Alibaba Cloud Mannequin Studio verfügbar ist. Auf beide Modelle kann jetzt im Qwen Chat zugegriffen werden.

Nach Angaben von Alibaba konzentriert sich die Qwen 3.5-Familie auf stärkeres Denken, Kodierung, Agentenfähigkeiten, multimodales Verständnis und verbesserte Effizienz. Noch wichtiger ist, dass es einen breiteren Vorstoß von Alibaba hin zu KI-Systemen widerspiegelt, die komplexe, mehrstufige Aufgaben mit größerer Autonomie bewältigen können. Wenn man es genau betrachtet, ist das Modell mehr als nur ein Improve – es ist ein Sign dafür, wohin die Reise der Qwen-Familie geht.

In diesem Artikel besprechen wir, was in Qwen 3.5 neu ist, wo es im Wettbewerb steht und was unsere praktischen Checks über seine Leistung in der Praxis verraten. Lasst uns gleich einsteigen.

Was ist Qwen 3.5?

Qwen 3.5 ist nicht nur „das nächste Qwen-Modell“. Alibaba hat die Qwen 3.5-Serie offiziell durch Open-Supply-Veröffentlichung des ersten Modells eingeführt und es offiziell „Qwen3.5-397B-A17B“ genannt.

Hier nun der wichtigste Teil, soweit es seine Funktionsweise betrifft: Das Modell verfügt über insgesamt 397 Milliarden Parameter, verwendet jedoch nicht jedes Mal alle davon. Dank einer spärlichen Mischung aus Experten (MoE)-Setup aktiviert es nur 17B Parameter professional Vorwärtsdurchlauf. Das ist eine schicke Artwork zu sagen: großes Gehirn, aber es „weckt“ nur die Teile auf, die es braucht, sodass die Schlussfolgerung schnell und kosteneffizient bleibt.

Noch wichtiger ist, dass es sich hier um einen Einheimischen handelt Imaginative and prescient-Sprach-Modell. Das bedeutet, dass es darauf ausgelegt ist, Textual content und Bilder zusammen zu verarbeiten, und nicht erst im Nachhinein. Alibaba behauptet, dass es bei Benchmark-Bewertungen in den Bereichen Argumentation, Codierung, Agentenfähigkeiten und multimodales Verständnis gute Leistungen erbringt.

Und es gibt auch ein ganz „reales“ Improve: Die Sprachunterstützung steigt von 119 auf 201 Sprachen und Dialekte, was wichtig ist, wenn Sie world ausgerichtete Apps erstellen.

Parallel dazu hat Alibaba auch Qwen3.5-Plus angekündigt, eine gehostete Model, die über Alibaba Cloud Mannequin Studio verfügbar ist. Es bietet standardmäßig ein 1-Millionen-Token-Kontextfenster und enthält integrierte Instruments mit adaptiver Software-Nutzung. Dadurch eignet es sich für Arbeitsabläufe mit langen Kontexten und Automatisierung im Agentenstil.

Das bringt uns zu der Frage: Wie macht Qwen 3.5 das alles? Werfen wir einen Blick unter die Haube, um das zu verstehen.

Unter der Haube: Wie Qwen 3.5 funktioniert

Qwen 3.5 ist nicht nur wegen seiner Größe interessant, sondern auch wegen der Effizienz, mit der es diesen Maßstab nutzt.

Auf der Infrastrukturebene trennt das Modell die Artwork und Weise, wie Visions- und Sprachkomponenten verarbeitet werden, anstatt sie in eine einheitliche Pipeline zu zwingen. Dieser heterogene Aufbau ermöglicht eine effizientere Verarbeitung von Textual content-, Bild- und Videoeingaben und ermöglicht einen Trainingsdurchsatz von nahezu 100 % selbst bei gemischten multimodalen Daten.

Die Effizienz wird weiter gesteigert durch spärliche Aktivierungen. Dies ermöglicht die parallele Berechnung verschiedener Komponenten. Wenn man dazu noch eine native FP8-Pipeline hinzufügt, die niedrige Präzision anwendet, wo dies sicher ist, und gleichzeitig eine höhere Präzision in sensiblen Schichten beibehält, reduziert das System den Aktivierungsspeicher um etwa 50 % und verbessert gleichzeitig die Geschwindigkeit.

Alibaba hat außerdem ein skalierbares asynchrones Reinforcement-Studying-Framework entwickelt, um das Modell kontinuierlich zu verfeinern. Durch die Trennung von Trainings- und Inferenz-Workloads verbessert das System die Hardwareauslastung, gleicht die Final dynamisch aus und erholt sich schnell nach Ausfällen. Techniken wie spekulative Dekodierung, Rollout-Wiedergabe und Multi-Flip-Rollout-Sperre verbessern den Durchsatz und die Stabilität weiter, insbesondere bei Workflows im Agentenstil.

Vorschulung: Kraft, Effizienz und Vielseitigkeit

Qwen 3.5 wurde mit einem klaren Fokus auf drei Dinge vorab trainiert: Leistung, Effizienz und Vielseitigkeit.

Es wurde auf einer deutlich größeren Mischung aus visuellen und Textdaten trainiert als Qwen 3, mit einer stärkeren Abdeckung von Mehrsprachigkeit, MINT und Argumentation. Obwohl das Modell jeweils nur 17B Parameter aktiviert, erreicht es Berichten zufolge die Leistung viel größerer Systeme mit Billionen Parametern.

Architektonisch baut es auf dem auf Qwen3-Subsequent-Designwobei MoE mit höherer Sparsität mit hybriden Aufmerksamkeitsmechanismen kombiniert wird. Dies ermöglicht erheblich schnellere Decodierungsgeschwindigkeiten bei gleichbleibender Leistung.

Das Modell ist außerdem von Natur aus multimodal und verbindet Textual content und Imaginative and prescient bereits zu Beginn des Trainings. Die Sprachabdeckung wird von 119 auf 201 Sprachen und Dialekte erweitert, während ein größerer Wortschatz von 250.000 Sprachen die Kodierungs- und Dekodierungseffizienz in allen Sprachen verbessert.

Benchmark-Leistung: Wo Qwen 3.5 steht

Benchmarks zeigen uns, wo ein Modell beginnt, sich von der Masse der verfügbaren Optionen abzuheben. Basierend auf den von Alibaba veröffentlichten Bewertungen liefert Qwen3.5-397B-A17B wettbewerbsfähige Leistung in den Bereichen Argumentation, Agenten-Workflows, Codierung und multimodales Verständnis. Hier ist ein Blick auf seine Benchmarks und was sie bedeuten:

Anweisungen befolgen und argumentieren

• IFBench (Anleitung folgt): 76,5 – gehört zu den besten Werten seiner Klasse
• GPQA Diamond (Schlusskraft auf Graduiertenniveau): 88,4 – konkurrenzfähig mit Grenzschlussmodellen

Diese Ergebnisse deuten auf ein ausgeprägtes Verständnis und strukturiertes Denken hin, die für Arbeitsabläufe in der Praxis von entscheidender Bedeutung sind.

Funktionen zur Agenten- und Toolnutzung

• BFCL v4 (Verwendung des Agententools): 72.9
• BrowseComp (Agentische Suche): 78.6
• Terminal-Bench 2 (Agenten-Terminal-Kodierung): 52,5

Qwen 3.5 schneidet besonders intestine bei agentengesteuerten Aufgaben ab und stärkt seine Positionierung für Workflow-Automatisierung und Software-Orchestrierung.

Codierungs- und Entwickler-Workflows

Damit gehört es zu den Modellen, die echte Codierungs- und Debugging-Workflows bewältigen können.

Mehrsprachiges Wissen

Die Bewertung steht im Einklang mit der erweiterten Sprachabdeckung und dem verbesserten Wissensabruf.

Multimodales und visuelles Denken

• MMMU-Professional (Visuelles Denken): 79,0
• OmniDocBench v1.5 (Dokumentverständnis): 90.8
• Video-MME (Video-Argumentation): 87,5
• VITA-Bench (agentische multimodale Interaktion): 49,7

Diese Zahlen unterstreichen eine der größten Stärken von Qwen 3.5: das multimodale Verständnis von Dokumenten, Bildern und Movies.

Verkörpertes und räumliches Denken

Dies spiegelt die Verbesserung der Fähigkeiten in realen und verkörperten Argumentationsszenarien wider.

Was diese Benchmarks wirklich bedeuten

Anstatt eine einzelne Kategorie zu dominieren, zeigt Qwen 3.5 eine ausgewogene Stärke in den Bereichen Argumentation, Agentenausführung, Codierung und multimodales Verständnis. Dieses Gleichgewicht ist wichtig, da moderne KI-Workloads keine Einzelaufgabenprobleme darstellen. Sie umfassen Instruments, Dokumente, Bilder, Code und mehrstufige Arbeitsabläufe, und Qwen 3.5 scheint genau für diese Realität geschaffen zu sein.

Praktisch mit Qwen 3.5

Wir haben einige Checks sowohl mit dem Qwen3.5 397B-A17B als auch mit dem Qwen3.5-Plus durchgeführt. Hier sind die Checks und die Ergebnisse.

Aufgabe 1 – Codierung mit Qwen3.5-Plus

Immediate:

Sie sind ein erfahrener Frontend-Entwickler und UI/UX-Designer.

Erstellen Sie eine moderne, responsive Werbewebsite (Single-Web page-Landingsite) für die folgende Veranstaltung. Die Web site sollte optisch hochwertig, konversionsorientiert und für Registrierungen optimiert sein.

Veranstaltungsdetails:
Titel: iqigai AI Fellowship Problem 2026
Slogan: Indiens größte KI- und Datentechnologiejagd
Präsentiert von: Fractal
Associate: Analytics Vidhya
Registrierungslink:
https://analyticsvidhya.com/datahack/contest/iqigai-genai-fellowship-challenge/?utm_source=social&utm_medium=X&utm_campaign=publish

Einzuschließender Inhalt:
– Schlagzeile: Indiens größte KI- und Datentechnologiejagd ist jetzt stay!
– Beschreibung:
Die iqigai AI Fellowship Problem 2026 ist mehr als ein Hackathon – sie ist eine karrierebestimmende Plattform, auf der die Teilnehmer gegeneinander antreten, landesweit eingestuft werden und unter den High-Arbeitgebern an Sichtbarkeit gewinnen.
– Termine: 20. Januar – 8. März 2026
– Gesamtpreispool: ₹20 Lacs
– High-Preise:
Gewinner – ₹5 Lakhs
1. Zweiter – ₹3 Lakhs
2. Zweiter – ₹2 Lakhs

Web site-Anforderungen:
1. Verwenden Sie HTML, CSS und JavaScript (oder React, falls gewünscht).
2. Vollständig reaktionsfähig (Desktop + Mobilgerät).
3. Moderner Stil mit Farbverlauf/KI-Technologie.
4. Reibungslose Scroll-Navigation.
5. Löschen Sie die CTA-Schaltflächen, die zur Registrierungsseite verlinken.
6. Abschnitte:
– Heldenbereich (große Überschrift + CTA)
– Über die Herausforderung
– Wichtige Highlights / Warum teilnehmen
– Preisbereich (Karten oder visuelle Abzeichen)
– Zeitleiste / Daten
– Name-to-Motion-Banner
– Fußzeile

Designrichtlinien:
– Dunkler Tech-Hintergrund mit Farbverlauf
– Dezente Animationen / Hover-Effekte
– Saubere Typografie
– Karten mit Schatten und abgerundeten Ecken
– Optionale Symbole oder Illustrationen
– Behalten Sie einen professionellen Occasion-Branding-Ton bei

Ausgabeanforderungen:
– Stellen Sie vollständigen ausführbaren Code bereit
– Organisieren Sie übersichtlich in Dateien
– Kommentieren Sie wichtige Teile
– Fügen Sie KEINEN Platzhalter „lorem ipsum“ ein
– Sorgen Sie für eine produktionsreife Struktur

Generieren Sie jetzt den vollständigen Web site-Code.

Ausgabe:

Aufgabe 2 – Textual content-zu-Bild mit Qwen3.5-Plus

Immediate:

Erstellen Sie eine filmische Verwandlungsszene im Anime-Stil mit Vegeta aus Dragon Ball Tremendous, der Extremely Ego freischaltet – stellen Sie ein dunkles kosmisches Schlachtfeld dar, während sein Körper zerstörerisches, gottähnliches Ki ausstrahlt, seine Muskeln sich anspannen und seine Haltung sich in wildes Selbstvertrauen verändert, sein Haar tiefviolett wird und seine Augen magenta leuchten, umgeben von einer wütenden, flammenähnlichen violetten Aura, die knistert und die Umgebung verzerrt; Fangen Sie die Essenz einer God-of-Destruction-Denkweise ein, in der die Macht durch Kampfintensität und Schaden wächst, und betonen Sie wilden Stolz, chaotische Energiewellen, zertrümmertes Gelände und dramatische Beleuchtung – ultradetailliert, hoher Kontrast, dynamische Kamerawinkel, Bewegungsunschärfe und explosive Anime-Schattierung, die überwältigende zerstörerische Dominanz und unaufhaltsame Eskalation vermitteln.

Ausgabe:

Aufgabe 3 – Bild-zu-Video mit Qwen3.5-Plus

Klicken Sie einfach auf die Possibility „Video erstellen“ im Bild

Ausgabe:

Aufgabe 4 – Textual content-zu-Bild mit Qwen3.5 Open Weight

Immediate:

„Slash and Burn“ könnte ein Geist oder eine Naturgewalt sein, die den Kreislauf von Zerstörung und Erneuerung verkörpert. Es könnte als feuriges, elementares Wesen erscheinen, das alles auf seinem Weg verzehrt, nur damit neues Leben aus der Asche entsteht. Dieses Wesen könnte als Gottheit der Transformation und Wiedergeburt verehrt oder gefürchtet werden. Signatur unten hyperlinks „sapope“

Ausgabe:

Aufgabe 5 – Bild-zu-Video mit Qwen3.5 Open Weight

Klicken Sie einfach auf die Possibility „Video erstellen“ im Bild

Ausgabe:

Abschlussvideo:

Abschluss

Die Qwen 3.5-Familie mit Qwen3.5 Open ist ein Schritt hin zu einem leistungsfähigeren, einheitlichen KI-System. Mit seiner hybriden MoE-Architektur, dem nativen multimodalen Design, der erweiterten Sprachabdeckung und der starken Leistung in Bezug auf Argumentation, Codierung und Dokumentenverständnis-Benchmarks optimiert Alibaba eindeutig für reale Arbeitslasten.

Was am meisten auffällt, ist die Ausgewogenheit. Anstatt bei einer begrenzten Aufgabe zu glänzen, zeigt Qwen 3.5 konsistente Stärke bei Agenten-Workflows, multimodalem Denken und Effizienz im großen Maßstab. Während sich die KI von Chat-Schnittstellen zu ausführungsgesteuerten Systemen verlagert, werden Modelle, die auf Vielseitigkeit und Durchsatz ausgelegt sind, immer wichtiger. Mit den Benchmark-Leistungen und den Ergebnissen, die wir in unseren praktischen Checks sehen, positioniert sich Qwen 3.5 fest in dieser Zukunft.