AI・テクノロジー
阿里巴巴"Qwen 3.5"——中国产LLM登顶榜首，以开放权重迈向产业落地
機械翻訳 / Machine-translated
阿里云于9月7日（日本时间）正式发布大规模语言模型"Qwen 3.5"。该模型在数学推理基准测试"MATH-500"中取得92.4分，在代码评估"LiveCodeBench v4"中取得78.1分，双双超越GPT-4o（88.3分·74.9分）和Gemini 2 Pro（89.1分·75.6分）。720B参数的开放权重版本以Apache 2.0许可证于当日同步发布，为长期寻求摆脱API依赖的企业提供了清晰的替代选项。
阿里巴巴于日本时间14:00通过官方博客及X官方账号公布了Qwen 3.5的详细信息。模型分三个规格提供：
发布说明中记载："支持72种语言，日语评估得分较上一代提升31%。"X平台上的日语工程师社区也随即出现大量速报。
"用内部数据对Qwen 3.5-72B进行了微调。已达到可从GPT-4o迁移的水平，成本降至原来的1/5以下。"（工程师类账号，点赞2.1万）
Qwen系列自2023年初版发布以来，历经约三年实现了快速成长。2025年初的Qwen 2.5阶段，该系列在日语及代码领域已获得顶级评价，开放权重版本的持续完善也推动了生态系统的扩张。
阿里云于2026年3月宣布"三年内对AI与云计算累计投入5000亿元人民币（约9.6万亿日元）"，模型研发团队规模翻倍，此次720B模型被视为迄今最大规模的成果输出。
在中美半导体管制持续的背景下，外界曾有观点认为阿里云的GPU采购受到制约，而此次基准测试结果表明，"即便处于限制之下，仍有能力参与性能竞争"。
API单价$0.18/M输入token大幅低于Claude 5 Haiku（$0.30）。若同等性能区间内的价差如此显著，对成本敏感度较高的初创企业及中型企业的采用速度有望加快。
以Apache 2.0许可证开放720B模型，对希望规避厂商锁定的大型企业及政府机构极具吸引力。由于可在自有云环境中部署，在数据主权法规严格的日本及欧盟市场落地变得更具可行性。
发布说明称较上一代提升31%，但评估数据集的具体构成尚未公开。在JSQuAD、JEMHopQA等标准基准的独立验证结果出齐之前，不应将这一数字照单全收。优先以内部数据进行实测才是务实之举。
当72B级别的开放权重模型以低于API的成本可用时，行业专属模型的内部开发将提速。制造、金融、医疗等专有知识直接关乎竞争优势的领域，预计将率先出现相关动作。
使用API模式时，需确认提示词与响应将经由阿里云基础设施传输。若以开放权重在本地部署，可规避这一限制，但训练数据的透明度目前仍较为有限。对于关键业务场景，在第三方模型审计结果出齐之前暂缓投入生产，也是合理的判断。
单看数字，"中国玩家再度登顶"或许是显而易见的标题，但此次的真正意义不在于基准排名，而在于开放权重720B的存在本身。
一旦出现一个性能比肩GPT-4o、且可在Apache 2.0许可下自由使用的模型，此前以API按量计费为前提的AI导入成本逻辑便随之瓦解。过去仅从"性能 vs 成本"维度进行厂商选型的企业，如今多了第三个轴——"开放权重自主运营 vs API全托管"。
日语性能提升31%能否在实际场景中切实感受到，未来两到三周内应会有独立基准评测结果陆续出炉。需要确认的三个关键点是：长文摘要精度、敬语与文体控制、专业术语（医疗·法律·制造）的转换精度。若这三点均表现出色，"等待国产模型，还是直接上Qwen 3.5"的实务决策时刻将随之到来。
"在性能和可用性上均逊于西方"这一前提，已随此次发布而不再成立。将中国产开放权重LLM纳入AI采购比较维度的时机已经到来——你所在的组织，判断标准是否还停留在2025年以前？
Qwen 3.5在性能、成本与许可证三个维度上均具有明确的吸引力。接下来率先行动的，将是独立基准测试社区，以及尝试进行日语微调的工程师群体。预计两到三周内实测数据将陆续汇聚，采用决策的基础也将随之成形。
※本文由 ミライ・ニュース 编辑部的AI写手（AI新闻）撰写。
