Model Sederhana Qwen3.5 Alibaba Cabar Dominasi AI Barat dengan Seni Bina Mengutamakan Penggunaan Setempat

Prestasi AI Termaju Hadir pada Perkakasan Pengguna

Pasukan pembangunan AI Qwen Alibaba telah melancarkan siri baharu model bahasa besar yang mencabar secara asas tanggapan bahawa kecerdasan buatan tercanggih memerlukan infrastruktur berskala awan atau API proprietari. Siri Model Sederhana Qwen3.5, yang diperkenalkan beberapa hari lalu, menampilkan empat model baharu yang direka untuk beroperasi dengan cekap pada perkakasan setempat, sambil mendakwa mampu menandingi prestasi alternatif Barat terkemuka.

Tiga daripada empat model itu dikeluarkan di bawah lesen permisif Apache 2.0, membolehkan perusahaan dan pembangun bebas memuat turun, mengubah suai serta menggunakannya secara komersial tanpa yuran lesen. Tiga model sumber terbuka itu ialah Qwen3.5-35B-A3B, Qwen3.5-122B-A10B dan Qwen3.5-27B, yang tersedia serta-merta di Hugging Face dan ModelScope. Varian keempat, Qwen3.5-Flash, kekal proprietari dan hanya boleh diakses melalui API Alibaba Cloud Model Studio, namun harganya jauh lebih rendah berbanding kebanyakan pesaing Barat.

Dakwaan paling menonjol Alibaba berkisar pada penanda aras prestasi. Menurut syarikat itu, model utama Qwen3.5-35B-A3B mengatasi GPT-5-mini keluaran OpenAI dan Claude Sonnet 4.5 keluaran Anthropic dalam penilaian pihak ketiga yang menguji pencarian semula pengetahuan dan penaakulan visual. Claude Sonnet 4.5 dilancarkan hanya lima bulan lalu, menjadikan kemajuan pesat untuk merapatkan jurang persaingan ini ketara dalam industri yang kitaran pembangunannya lazimnya mengambil masa beberapa suku tahun atau tahun.

Inovasi Seni Bina Membolehkan Penggunaan Setempat

Perkara yang membezakan Qwen3.5 daripada generasi terdahulu ialah seni bina hibridnya yang menggabungkan Gated Delta Networks dengan sistem Mixture-of-Experts yang jarang diaktifkan. Bagi pembaca bukan teknikal, ini menandakan perubahan asas dalam cara model AI memproses maklumat. Model padat tradisional mengaktifkan semua parameternya untuk setiap pertanyaan, sekali gus menggunakan sumber pengkomputeran yang besar. Sebaliknya, pendekatan MoE berfungsi seperti mendapatkan khidmat pakar: setiap pertanyaan disalurkan hanya kepada sebahagian kecil pengetahuan model yang paling berkaitan.

Spesifikasi teknikal menunjukkan peningkatan kecekapan. Walaupun Qwen3.5-35B-A3B mempunyai 35 bilion parameter keseluruhan, hanya 3 bilion diaktifkan untuk setiap token. Seni binanya menggunakan 256 modul pakar, dengan 8 pakar terpilih dan 1 pakar bersama mengendalikan aspek tertentu bagi setiap pertanyaan. Pengaktifan terpilih ini mengurangkan kependaman inferens sambil mengekalkan mutu output. Hasilnya, model ini mencapai ketepatan yang menurut Alibaba hampir tidak terjejas walaupun dimampatkan kepada pemberat 4-bit melalui pengkuantuman.

Ketahanan terhadap pengkuantuman ini membawa implikasi praktikal yang luar biasa bagi fleksibiliti penggunaan. Kebanyakan model AI mengalami kemerosotan prestasi yang ketara apabila dimampatkan untuk operasi setempat. Kestabilan Qwen3.5 yang direka bentuk untuk bertahan semasa pemampatan bermakna model utamanya boleh memproses tetingkap konteks melebihi 1 juta token pada GPU gred pengguna dengan hanya 32GB VRAM. Walaupun tahap ini memerlukan perkakasan pengguna kelas tinggi, ia jauh lebih mudah dicapai berbanding kelompok pelayan yang biasanya diperlukan oleh model pesaing untuk mencapai prestasi setanding.

Semakan Realiti Penanda Aras: Dakwaan Prestasi Diteliti Secara Bebas

Dakwaan Alibaba mengenai penanda aras hanya menceritakan sebahagian daripada kisahnya. Walaupun penilaian tajaan syarikat meletakkan Qwen3.5-35B-A3B di hadapan GPT-5-mini dan Claude Sonnet 4.5 dalam metrik seperti MMMLU (pengetahuan berbilang bahasa) dan MMMU-Pro (penaakulan visual), ujian bebas menunjukkan landskap persaingan yang lebih bernuansa.

Ujian SWE-rebench bebas terkini, yang menilai model berdasarkan pembaikan pepijat dalam permintaan tarik GitHub sebenar dan bukannya penanda aras sintetik, mendapati Claude Sonnet 4.5 mencatat kadar lulus tertinggi, iaitu 55.1%. Model Anthropic itu berjaya menyelesaikan beberapa kes rumit yang tidak dapat ditangani oleh model lain yang diuji, termasuk isu dalam repositori python-trio, cubed-dev dan canopen. Dalam persekitaran pengekodan dunia sebenar ini, Sonnet 4.5 mengekalkan kedudukan teratas dengan jelas.

Ujian penanda aras APEX bebas yang dijalankan merentas 70 tugasan melibatkan pangkalan kod sebenar dan masalah sebenar pula mendedahkan kerumitan tambahan dalam profil prestasi Qwen3.5. Walaupun model padat 27B menunjukkan prestasi yang memuaskan untuk penggunaan pada satu GPU, dengan skor 1384 ELO dan mengatasi DeepSeek V3.2, varian yang lebih besar menunjukkan kemerosotan yang membimbangkan dalam tugasan penyelarasan rumit melibatkan berbilang fail. Varian MoE 35B yang hanya mengaktifkan 3B parameter mendapat skor 1256 ELO dalam beban kerja ejen, berprestasi lebih rendah daripada varian 27B yang lebih kecil dalam penaakulan berbilang langkah. Paling ketara, konfigurasi Qwen3.5-397B yang sangat besar merosot teruk dalam tugasan tahap master: skornya turun daripada kira-kira 1550 ELO bagi tugasan sukar kepada 1194 apabila perlu menyelaraskan banyak fail sepanjang rantaian penaakulan yang panjang.

Apabila perlu menyelaraskan banyak fail merentas banyak langkah, model itu hilang jejak tentang apa yang sedang dilakukannya.

Analisis bebas ini, yang diterbitkan oleh seorang penyelidik yang membiayai sendiri lebih $3,000 kos pengkomputeran untuk ujian, menunjukkan bahawa walaupun Qwen3.5 cemerlang dalam tugasan yang skopnya terhad, model itu mungkin menghadapi kesukaran dengan kerja ejen yang rumit dan berjangka panjang, iaitu bidang yang menjadi kekuatan khusus Claude Sonnet 4.5.

Mod Pemikiran dan Integrasi Alat

Semua model Qwen3.5 dilengkapi Mod Pemikiran terbina dalam yang diaktifkan secara lalai, menandakan peralihan ke arah interaksi AI yang mengutamakan penaakulan. Sebelum menjana output akhir, model membina rantaian penaakulan dalaman yang dibatasi oleh tag khusus, lalu menangani logik rumit secara jelas dan bukannya terus membuat kesimpulan. Pendekatan ini mencerminkan kaedah rantaian pemikiran yang telah meningkatkan ketepatan model AI termaju lain.

Siri ini turut menekankan keupayaan ejen, dengan sokongan terbina dalam untuk panggilan alat yang membolehkan model berinteraksi dengan sistem luaran, mencari di web dan melaksanakan kod. API Qwen3.5-Flash menawarkan harga terperinci untuk keupayaan ini: fungsi carian web berharga $10 bagi setiap 1,000 panggilan, manakala akses kepada pentafsir kod ditawarkan tanpa caj buat masa ini untuk tempoh terhad. Struktur harga ini meletakkan Flash sebagai salah satu pilihan LLM terhos paling murah di dunia, dengan kos input $0.10 bagi setiap sejuta token dan output $0.40 bagi setiap sejuta token.

Sebagai perbandingan, Claude Sonnet 4.5 berharga $3.00 bagi setiap sejuta token input dan $15.00 bagi setiap sejuta token output, manakala GPT-5.2 masing-masing berharga $1.75 dan $14.00. Malah alternatif yang lebih berfokus pada penggunaan setempat seperti GLM-5 daripada Z.ai berharga $1.00 dan $3.20 bagi setiap sejuta token. Perbezaan harga antara 30 hingga 100 kali ganda ini boleh mendorong penggunaan yang ketara dalam kalangan perusahaan yang mementingkan kos dan sanggup menerima sedikit perbezaan prestasi demi penjimatan bajet yang besar.

Implikasi terhadap Kedaulatan Data Perusahaan

Selain metrik prestasi mentah, pelancaran Qwen3.5 membawa kepentingan strategik bagi penggunaan AI perusahaan. Keupayaan menjalankan model berkeupayaan canggih sepenuhnya dalam infrastruktur persendirian menangani kebimbangan yang semakin meningkat tentang kedaulatan data dan risiko API pihak ketiga. Organisasi dalam industri terkawal, termasuk kewangan, penjagaan kesihatan dan kontrak kerajaan, semakin berdepan keperluan pematuhan yang melarang penghantaran data sensitif kepada perkhidmatan AI awan luaran.

Dengan membolehkan tetingkap konteks sejuta token dijalankan pada perkakasan yang dikawal secara setempat, Qwen3.5 membolehkan perusahaan memproses repositori dokumen yang besar, kandungan video berjam-jam dan set data institusi yang luas tanpa mendedahkan maklumat proprietari kepada API luaran. Perubahan seni bina ini memisahkan keupayaan AI canggih daripada keperluan perbelanjaan modal yang besar, sekali gus berpotensi mendemokrasikan akses kepada alat yang sebelum ini hanya tersedia kepada firma teknologi yang mempunyai dana besar.

Lesen sumber terbuka itu turut membolehkan penyesuaian dan penalaan halus untuk aplikasi khusus domain. Tidak seperti model proprietari yang hanya menyediakan akses API kotak hitam, pemberat terbuka Qwen3.5 membolehkan organisasi menyesuaikan model dengan kosa kata khusus, pangkalan pengetahuan dalaman dan keperluan aliran kerja yang unik. Fleksibiliti ini amat bernilai bagi industri yang menggunakan istilah khusus atau mempunyai keperluan dokumentasi kawal selia.

Cabaran daripada Ekosistem AI China yang Lebih Luas

Qwen3.5 dilancarkan ketika makmal AI China giat mengeluarkan model sumber terbuka yang secara kolektif mencabar keunggulan teknologi Barat. Keluarga GLM-4.5 daripada Z.ai, yang dikeluarkan di bawah lesen Apache 2.0 serupa, menawarkan prestasi setanding dengan ciri khusus seperti penjanaan PowerPoint automatik. Kimi K2 daripada Moonshot dan pelbagai model terbuka DeepSeek melengkapkan ekosistem yang menyediakan alternatif berdaya maju kepada sistem tertutup Amerika.

Trend ini memberi tekanan kepada peneraju AI Barat. Meta dikritik selepas memperkenalkan keluarga Llama 4, dengan sesetengah penyelidik AI mempersoalkan kemungkinan manipulasi penanda aras dan prestasi dunia sebenar yang tidak konsisten. OpenAI, yang merintis era LLM moden, menangguhkan pelancaran model AI termaju sumber terbukanya yang dirancang pada Julai ke tarikh kemudian yang belum ditentukan, sekali gus membuka ruang kepada alternatif China untuk meraih perhatian pembangun.

Dinamika persaingan ini bukan sahaja melibatkan spesifikasi teknikal, tetapi juga persoalan tadbir urus data. Perusahaan Barat yang menggunakan model buatan China perlu meneliti sekatan kandungan yang berpotensi dan pertimbangan kedaulatan data, khususnya apabila menggunakan API yang dihoskan di awan dan bukannya penggunaan setempat. Namun, sifat sumber terbuka varian utama Qwen3.5 membolehkan penggunaan dalam persekitaran terasing daripada rangkaian, sekali gus mengurangkan banyak kebimbangan ini.

Kedudukan Pasaran dan Hala Tuju Masa Depan

Strategi pelancaran Alibaba menekankan kebolehcapaian merentas pelbagai tahap perkakasan. Qwen3.5-27B menyasarkan penggunaan berkecekapan tinggi dengan sokongan konteks lebih 800K token, manakala varian 122B-A10B memerlukan GPU gred pelayan dengan VRAM 80GB untuk prestasi maksimum. Pendekatan berperingkat ini membolehkan organisasi memilih model yang sesuai dengan infrastruktur tersedia, tanpa memaksa kebergantungan kepada awan secara menyeluruh.

Syarikat itu turut membuka kod sumber model asas bersama varian yang ditala untuk arahan, bagi memenuhi keperluan komuniti penyelidikan terhadap penalaan halus dan kajian seni bina. Ketelusan ini berbeza daripada amalan pembangunan tertutup sesetengah pesaing Barat dan mungkin mempercepat inovasi melalui penambahbaikan secara kolaboratif.

Maklum balas awal komuniti di Hugging Face menunjukkan keterujaan khusus terhadap keupayaan ejen dan kestabilan pengkuantuman model ini. Pembangun melaporkan kejayaan menjalankan model pada perkakasan pengguna yang sebelum ini dianggap tidak memadai untuk prestasi model AI termaju. Hal ini menyokong dakwaan kecekapan Alibaba, walaupun penanda aras bebas menunjukkan perlunya berhati-hati terhadap tugasan pengekodan yang rumit.

Perkara Utama

• Alibaba melancarkan siri Sederhana Qwen3.5 dengan empat model; tiga tersedia di bawah lesen sumber terbuka Apache 2.0 untuk kegunaan komersial
• Model utama Qwen3.5-35B-A3B hanya mengaktifkan 3 bilion daripada 35 bilion parameternya bagi setiap token menggunakan seni bina Mixture-of-Experts
• Penanda aras bebas menunjukkan keputusan bercampur: prestasi kukuh dalam ujian pengetahuan dan penaakulan, tetapi kesukaran menangani tugasan pengekodan rumit merentas berbilang fail berbanding Claude Sonnet 4.5
• Model ini menyokong tetingkap konteks melebihi 1 juta token pada GPU pengguna dengan VRAM 32GB melalui pengkuantuman 4-bit termaju
• Harga API Qwen3.5-Flash 30 hingga 100 kali lebih rendah berbanding pesaing Barat, dengan kos $0.10 bagi setiap sejuta token input berbanding $3.00 untuk Claude Sonnet 4.5
• Mod Pemikiran terbina dalam menjana rantaian penaakulan dalaman sebelum menghasilkan output akhir dan diaktifkan secara lalai untuk semua model dalam siri ini
• Penggunaan di perusahaan membolehkan kedaulatan data sepenuhnya bagi industri terkawal yang memerlukan pemprosesan AI di premis
• Pelancaran ini menyertai gelombang lebih luas model AI sumber terbuka China, termasuk GLM-4.5 daripada Z.ai dan Kimi K2 daripada Moonshot, yang mencabar sistem proprietari Barat