Qwen3.5: новая модель от Alibaba с гибридной архитектурой, которая приближает эру AI-агентов

Alibaba представила Qwen3.5 — новую открытую модель с гибридной архитектурой, которая меняет сам подход к масштабированию ИИ. При 397 миллиардах общих параметров модель активирует лишь 17 миллиардов за один проход, сохраняя мощность, но снижая стоимость и ускоряя вывод.

Это уже не просто гонка за размером. Qwen3.5 показывает сдвиг в сторону систем, способных эффективно работать в агентных сценариях: с длинным контекстом, мультимодальностью и ориентацией на реальные задачи, а не только на бенчмарки.

Что произошло

Alibaba Cloud представила новую открытую модель Qwen3.5-397B-A17B — первый релиз в серии Qwen3.5, ориентированной на агентные и мультимодальные сценарии.

Главная особенность — гибридная архитектура, объединяющая линейное внимание (через Gated Delta Networks) и разреженную смесь экспертов (MoE). При 397 миллиардах общих параметров модель активирует только 17 миллиардов за один прямой проход, что существенно повышает эффективность инференса без потери производительности.

По заявлению разработчиков, Qwen3.5 демонстрирует сильные результаты в задачах рассуждения, программирования, агентных цепочек действий и мультимодального понимания.

Ключевые цифры Qwen3.5

Если отбросить архитектурные термины и маркетинговые формулировки, всё сводится к одному: Qwen3.5 пытается сделать огромную модель действительно эффективной в работе. Не на бумаге — а в реальных агентных сценариях, где важны скорость, стоимость и устойчивость к длинным цепочкам действий.

Вот что это означает на практике:

• 397B параметров всего, но только 17B активируются за один проход
• 8.6–19× выше пропускная способность декодирования, чем у Qwen3-Max
• 262 144 токена контекста нативно, с возможностью масштабирования до ~1 млн
• Поддержка 201 языка и диалекта (ранее — 119)
• 250 000 токенов словаря, повышающих эффективность кодирования и декодирования
• До 50% меньше потребления памяти активаций благодаря FP8-пайплайну

В сумме это означает важный сдвиг: модель остаётся огромной по возможностям, но начинает вести себя ближе к “рабочему инструменту”, а не к лабораторному эксперименту. И именно это делает её интересной в контексте будущих AI-агентов.

В чём фишка гибридной архитектуры

Главное в Qwen3.5 — не размер, а способ организации вычислений. Модель объединяет две ключевые технологии: линейное внимание и разреженную смесь экспертов (MoE). Отдельно они уже использовались в индустрии, но их сочетание здесь работает как системное решение под агентные задачи.

Линейное внимание: ставка на длинные сценарии

Классическое внимание в трансформерах растёт квадратично от длины контекста. Чем длиннее диалог или задача — тем дороже вычисления.

В Qwen3.5 используется линейное внимание (через Gated Delta Networks), которое масштабируется значительно эффективнее. Это особенно важно для:

• длинных рабочих цепочек
• многошагового планирования
• анализа больших документов
• задач, где модель должна “держать в голове” сотни тысяч токенов

Иначе говоря, это шаг в сторону моделей, которые могут работать не минуты, а часы — без взрывного роста затрат.

Sparse MoE: мощность без постоянных затрат

Вторая часть гибрида — разреженная смесь экспертов (Mixture of Experts).

Модель состоит из множества “экспертов”, но при каждом шаге активируется только часть из них. В случае Qwen3.5 — 17 миллиардов параметров из 397 миллиардов.

Это даёт два эффекта:

• вычислительная нагрузка ближе к меньшим моделям
• при этом сохраняется доступ к огромному объёму знаний

Модель становится большой “потенциально”, но экономной “фактически”.

Почему именно их сочетание важно

MoE снижает стоимость одного шага.
Линейное внимание снижает стоимость длинных контекстов.

Вместе они решают главную проблему агентных систем: как позволить модели выполнять длинные, сложные, многошаговые задачи без того, чтобы инфраструктура “захлебнулась”.

И вот здесь начинается настоящий стратегический сдвиг — не просто масштабировать модель, а проектировать её под работу в составе системы.

Почему это важно

До недавнего времени развитие ИИ выглядело довольно прямолинейно: больше параметров — выше результаты на бенчмарках. Но по мере роста моделей стало очевидно, что масштаб без эффективности превращается в проблему. Агентные сценарии — это десятки и сотни последовательных шагов, длинные контексты, постоянный пересчёт. И если каждый шаг дорогой, система становится непрактичной.

Qwen3.5 показывает другой подход. Вместо простого увеличения размеров акцент смещается на архитектуру, которая позволяет модели оставаться большой по возможностям, но разумной по затратам. Это важно именно для агентных систем — цифровых помощников, которые должны не просто отвечать, а планировать, выполнять действия и работать в течение длительного времени.

Фактически речь идёт о переходе от “самой умной модели” к “работающей системе”. И это уже стратегический сдвиг для всей индустрии: выигрывать будет не тот, у кого больше параметров, а тот, чья модель способна стабильно и экономично выполнять сложные, многошаговые задачи.

Где Qwen3.5 может пригодиться на практике

Если смотреть шире, Qwen3.5 интересна не только как исследовательский релиз, а как инструмент для систем, которые должны работать долго, стабильно и в разных форматах данных.

1. Агентные сценарии и автоматизация процессов

Многошаговые задачи — от обработки заявок до анализа договоров — требуют модели, которая держит длинный контекст и не “теряется” на середине цепочки действий. Гибридная архитектура делает такие сценарии экономически более реалистичными.

2. Разработка и код

Длинные проекты, большие репозитории, анализ логов и отладка — всё это выигрывает от увеличенного контекста и стабильного рассуждения. Особенно там, где модель должна не просто сгенерировать код, а пройти через несколько этапов проверки и исправления.

3. Работа с большими документами

Юридические тексты, исследования, отчёты, техническая документация — 200+ тысяч токенов контекста позволяют работать с объёмными материалами без постоянного “разбиения на куски”.

4. Мультимодальные задачи

Анализ изображений, скриншотов, интерфейсов, диаграмм — с последующим текстовым объяснением или планированием действий. Это важно для будущих embodied-агентов, которые взаимодействуют не только с текстом.

5. Многоязычные среды

Поддержка 201 языка и диалекта открывает возможности для международных продуктов, поддержки пользователей и локализации без отдельных моделей под каждый рынок.

И вот здесь становится понятно: Qwen3.5 — это не просто “ещё одна большая LLM”. Это модель, которую явно проектировали с расчётом на интеграцию в более сложные системы.

Ограничения и реальность “железа”

Несмотря на архитектурную эффективность, Qwen3.5 остаётся крайне тяжёлой моделью с точки зрения инфраструктуры. Даже при активации 17 миллиардов параметров за проход, это всё равно требует серьёзных вычислительных ресурсов. Полноценный продакшен-сценарий — это уже не одна видеокарта, а специализированные серверные конфигурации.

Длинный контекст тоже имеет свою цену. Теоретическая возможность работать с сотнями тысяч токенов не означает, что каждый проект будет делать это экономически оправданно. Чем длиннее цепочка, тем выше требования к памяти и настройке сервинга.

Кроме того, гибридная архитектура — это дополнительная сложность в деплое. Линейное внимание и MoE требуют оптимизированного пайплайна, корректной балансировки нагрузки между экспертами и продуманной инфраструктуры. Без этого преимущества могут частично нивелироваться.

И наконец, стоит помнить: агентные системы — это не только модель. Это оркестрация, память, инструменты, интерфейсы и контроль выполнения задач. Даже самая продвинутая архитектура остаётся лишь частью более широкой системы.

Бесплатность и доступность: что тут на самом деле

Qwen3.5-397B-A17B вышла в формате open-weight: веса модели опубликованы открыто и распространяются по лицензии Apache-2.0. Это значит, что модель можно брать, разворачивать и использовать в проектах (в том числе коммерческих) при соблюдении условий лицензии.

Но важно не путать “открытая” и “бесплатная в использовании”. Инференс всегда стоит ресурсов: если запускать модель у себя — платишь железом и инфраструктурой; если идти через облачные провайдеры или официальный доступ — платишь по тарифам сервиса. У Alibaba Cloud для моделей в Model Studio действует тарификация (как правило, за токены/запросы), то есть API-доступ не является бесплатным “по умолчанию”.

Итого: веса — доступны, а вот “бесплатность” зависит от того, где и как ты модель запускаешь.

Заключение

Qwen3.5 интересна не тем, что она “ещё больше”, а тем, что она предлагает более взрослую логику развития: сделать большие модели пригодными для долгой, многошаговой работы. Гибрид линейного внимания и MoE — это попытка приблизить AI-агентов к реальности: быстрее, дешевле, устойчивее на длинных задачах.

Если тренд закрепится, дальше индустрия будет соревноваться не только в качестве ответов, а в том, кто лучше соберёт систему вокруг модели: память, инструменты, интерфейсы и контроль выполнения. И Qwen3.5 выглядит как релиз из той самой “следующей эпохи” — когда ИИ должен не просто говорить, а реально делать.