Qwen 3.5 là gì? Các phòng thí nghiệm AI của Trung Quốc thường ra mắt các bản phát hành lớn vào dịp Tết Nguyên Đán. Năm 2026, Tencent, Zhipu, ByteDance và các công ty khác đã phát hành các bản nâng cấp trước. Alibaba đã đáp trả vào ngày 16 tháng 2, vài giờ trước kỳ nghỉ lễ 17 tháng 2 — với Qwen 3.5.
Qwen 3.5-397B-A17B sở hữu 397 tỷ tham số trong một thiết lập MoE thưa thớt. Nó chỉ kích hoạt 17 tỷ tham số cho mỗi token, mang lại khả năng suy luận tiên tiến, mã hóa và các tác vụ tác nhân thị giác với chi phí thấp hơn 60% và thông lượng cao hơn 8 lần so với các phiên bản trước. Mô hình mã nguồn mở này chạy cục bộ. Qwen3.5-Plus xử lý suy luận được lưu trữ với ngữ cảnh 1 triệu token trên Alibaba Cloud Model Studio.
Hướng dẫn này bao gồm kiến trúc lai, các điểm số benchmark vượt trội và quy trình làm việc API chính xác của Qwen 3.5. Các kỹ sư tinh chỉnh các trọng số mã nguồn mở hoặc định tuyến lưu lượng truy cập đến đám mây bằng cách sử dụng các bước này.
Qwen 3.5 chính xác là gì?
Đội ngũ Qwen của Alibaba Cloud đã thiết kế Qwen 3.5 như là phiên bản kế nhiệm trực tiếp của Qwen 3, giải quyết mọi hạn chế của các thế hệ trước. Mô hình mã nguồn mở hàng đầu, Qwen3.5-397B-A17B, sử dụng thiết kế hỗn hợp chuyên gia (MoE) thưa thớt: tổng cộng 397 tỷ tham số được định tuyến qua chỉ 17 tỷ chuyên gia hoạt động cho mỗi lượt truyền tải. Kích hoạt thưa thớt này mang lại trí thông minh của mô hình dày đặc với một phần nhỏ bộ nhớ và FLOPs.
Qwen 3.5 hoạt động như một mô hình đa phương thức bản địa thực sự. Không giống như các bộ chuyển đổi thị giác được gắn vào các khung xương chỉ văn bản, Qwen 3.5 kết hợp các token văn bản, hình ảnh và video ngay từ giai đoạn tiền huấn luyện đầu tiên. Kiến trúc này đưa các bản vá hình ảnh trực tiếp vào các lớp transformer thông qua hợp nhất sớm, cho phép suy luận đa phương thức liền mạch. Các kỹ sư tận dụng điều này cho các tác vụ trước đây yêu cầu các quy trình OCR, trình phân tích bố cục và mô hình thị giác riêng biệt.
Biến thể Qwen3.5-Plus được lưu trữ mở rộng khả năng này lên đến cửa sổ ngữ cảnh mặc định 1 triệu token trên Alibaba Cloud Model Studio. Cửa sổ này hỗ trợ toàn bộ cơ sở mã, bản ghi video kéo dài nhiều giờ hoặc báo cáo kỹ thuật dài 500 trang trong một lời nhắc duy nhất — loại bỏ các vấn đề phân đoạn gây khó khăn cho các mô hình có ngữ cảnh ngắn hơn.
Phạm vi ngôn ngữ mở rộng đến 201 ngôn ngữ và phương ngữ, tăng 69% so với Qwen 3. Từ vựng mở rộng 250k nén token trên các tập lệnh, giảm chi phí suy luận từ 10-60% cho các ứng dụng toàn cầu. Các nhà phát triển tinh chỉnh Qwen 3.5 trên các tập dữ liệu chuyên ngành và nhận thấy sự hội tụ nhanh hơn vì bộ mã hóa cơ sở đã xử lý hiệu quả các ngôn ngữ tài nguyên thấp.
Các chế độ suy luận thích ứng tiếp tục tạo sự khác biệt cho Qwen 3.5. Mô hình này hiển thị ba cờ thời gian chạy:
enable_thinking: truekích hoạt suy luận theo chuỗi tư duy cho các tác vụ phức tạp.enable_fast: trueưu tiên độ trễ cho các dịch vụ thông lượng cao.enable_auto: truecho phép mô hình tự động lựa chọn dựa trên độ phức tạp của lời nhắc.
Các kiểm soát này cho phép các kỹ sư cân bằng chất lượng và tốc độ trong cùng một điểm cuối, tối ưu hóa cho cả xử lý hàng loạt và các tác nhân thời gian thực.
Các tính năng chính tạo nên sự khác biệt của Qwen 3.5
Qwen 3.5 tích hợp những đột phá kỹ thuật có tác động trực tiếp đến các quyết định triển khai. Khung xương lai kết hợp Mạng Delta cổng (Gated Delta Networks) cho sự chú ý có độ phức tạp tuyến tính với định tuyến MoE thưa thớt. Kiến trúc này đạt được tốc độ giải mã nhanh hơn 8.6 lần ở ngữ cảnh 32k và 19 lần ở 256k so với Qwen3-Max, được đo trên cùng một phần cứng.
Từ vựng 250k là một yếu tố nhân hiệu quả thầm lặng. Nó mã hóa các ký tự tiếng Trung, ký hiệu toán học và các token mã một cách nhỏ gọn hơn so với từ vựng 152k trong các mô hình Qwen trước đây. Các nhà tinh chỉnh báo cáo số lượng token thấp hơn 15-25% trên các bộ dữ liệu kỹ thuật, điều này chuyển thành tiết kiệm chi phí đáng kể ở quy mô lớn.
Xử lý đa phương thức đạt đến mức độ sẵn sàng sản xuất. Qwen 3.5 xử lý:
- Hình ảnh độ phân giải cao lên đến 1344x1344 pixel.
- Video clip dài 60 giây ở 8 FPS.
- Ảnh chụp màn hình giao diện người dùng với khả năng phát hiện phần tử chính xác đến từng pixel.
Bộ mã hóa thị giác, được huấn luyện end-to-end, đạt 90.3 trên MathVista và 85.0 trên MMMU — vượt trội so với các mô hình yêu cầu tiền xử lý riêng biệt.
Trí tuệ tác nhân xuất hiện như một tính năng sát thủ của Qwen 3.5. Mô hình thực hiện các tác vụ "tác nhân thị giác" một cách tự nhiên: nó nhận ảnh chụp màn hình máy tính, xác định các phần tử giao diện người dùng, lập kế hoạch quy trình làm việc nhiều bước và tạo ra các hành động có thể thực thi. Lệnh gọi công cụ tích hợp mở rộng khả năng này sang tìm kiếm web, thực thi mã và điều phối API bên ngoài. Các kỹ sư định nghĩa công cụ một lần trong tải trọng API, và Qwen 3.5 xử lý toàn bộ vòng lặp một cách tự động.
Khả năng mã hóa và toán học đạt những kỷ lục mới. Qwen3.5-397B-A17B đạt 83.6 trên LiveCodeBench v6 (mức độ con người trong lập trình thi đấu) và 91.3 trên AIME26 (toán học cấp độ Olympic). Các lập trình viên sử dụng nó để tạo, tái cấu trúc và gỡ lỗi các cơ sở mã sản xuất, thường thay thế toàn bộ quy trình làm việc của các kỹ sư cấp cao.
Các quy trình lượng tử hóa giúp việc triển khai trở nên khả thi. FP8 xử lý phần lớn các phép tính trong khi BF16 bảo vệ bộ định tuyến và các lớp cuối cùng. Các kỹ sư chạy mô hình 397B đầy đủ trên 8xH100 GPU với tốc độ 45 token/giây — những con số không thể đạt được đối với các mô hình dày đặc tương đương chỉ vài tháng trước.
Giấy phép Apache 2.0 loại bỏ mọi rào cản thương mại. Bạn có thể tinh chỉnh, chưng cất và phân phối các dẫn xuất của Qwen 3.5 mà không phải trả phí bản quyền hoặc bị hạn chế sử dụng.
Điểm Benchmark của Qwen 3.5: Thống trị lĩnh vực
Các điểm benchmark cung cấp những con số cứng nhắc chứng minh việc chuyển sang Qwen 3.5 là hợp lý. Mô hình này vượt trội hơn GPT-5.2, Claude 4.5 Opus và Gemini-3 Pro trên 80% các danh mục được đánh giá trong khi chi phí vận hành thấp hơn 60%.
Những kết quả này xuất phát từ ba lựa chọn chiến lược: học tăng cường không đồng bộ trên 20.000 môi trường song song, tiền huấn luyện đa ngôn ngữ lớn và tích hợp thị giác hợp nhất sớm. Các đánh giá độc lập trên Bảng xếp hạng Open LLM của Hugging Face xác nhận những lợi ích này, với các tinh chỉnh của cộng đồng đẩy một số điểm số lên mức 90.
Các chỉ số chi phí trên mỗi token càng củng cố thêm. Qwen3.5-Plus xử lý khối lượng công việc gấp tám lần so với các phiên bản trước với chi phí thấp hơn 60%. Với mức giá hiện tại, ngữ cảnh 1M token có giá khoảng 0.18 USD — rẻ hơn một ly cà phê lớn.
Đi sâu vào Kiến trúc kỹ thuật của Qwen 3.5
Kiến trúc của Qwen 3.5 thể hiện một đẳng cấp cao về khả năng mở rộng hiệu quả. Bộ định tuyến MoE thưa thớt sử dụng một mạng cổng học được để kích hoạt chính xác 17B tham số cho mỗi token từ tổng số 397B. Kích hoạt chọn lọc này giảm 95% bộ nhớ kích hoạt trong khi vẫn giữ được khả năng biểu đạt đầy đủ của mô hình.
Mạng Delta cổng (Gated Delta Networks) thay thế cơ chế chú ý tiêu chuẩn cho các chuỗi dài hơn 32k token. Cơ chế chú ý tuyến tính duy trì độ phức tạp bộ nhớ không đổi, cho phép cửa sổ ngữ cảnh 1M mà không gặp lỗi OOM. Các kỹ sư đo được tốc độ tăng 19 lần ở ngữ cảnh 256k trên cùng một phần cứng.
Tiền huấn luyện đã tiêu thụ hàng nghìn tỷ token từ các nguồn không đồng nhất:
- 40% văn bản và mã STEM chất lượng cao.
- 30% thu thập dữ liệu web đa ngôn ngữ bao gồm 201 ngôn ngữ.
- 20% cặp thị giác-văn bản tổng hợp được tạo thông qua tự chưng cất.
- 10% quỹ đạo tác nhân từ các môi trường mô phỏng.
Hợp nhất sớm đưa 576 token hình ảnh cho mỗi hình ảnh 512x512 trực tiếp vào lớp 1 của bộ chuyển đổi. Thiết kế này vượt trội hơn các phương án hợp nhất muộn hơn 12-18 điểm trên các điểm chuẩn suy luận không gian.
Huấn luyện sau đó áp dụng học tăng cường từ phản hồi của con người (RLHF) được bổ sung bằng các phương pháp actor-critic không đồng bộ. Hệ thống chạy 20.000 môi trường triển khai song song, tạo ra các dấu vết tác nhân dạy lập kế hoạch nhiều bước và sử dụng công cụ. Điều này mang lại những cải thiện đáng kể trong BFCL-V4 (72.9) và VITA-Bench (49.7).
Tối ưu hóa cơ sở hạ tầng tăng tốc mọi thứ. Huấn luyện end-to-end FP8 cắt giảm VRAM 50% và tăng thông lượng 10 lần. Giải mã dự đoán với mô hình nháp 4 token tiếp tục tăng tốc suy luận 2.3 lần.
Để triển khai, các kỹ sư lựa chọn từ các bộ công cụ đã được kiểm chứng:
vLLM (Khuyến nghị cho môi trường sản xuất)
vllm serve Qwen/Qwen3.5-397B-A17B \
--port 8000 \
--tensor-parallel-size 8 \
--max-model-len 1048576 \
--dtype auto \
--reasoning-parser qwen3 \
--enable-chunked-prefill
SGLang (Tốt nhất cho Nghiên cứu)
python -m sglang.launch_server \
--model-path Qwen/Qwen3.5-397B-A17B \
--port 8000 \
--tp-size 8 \
--context-length 1048576 \
--enable-multimodal
MLX-VLM (Apple Silicon)
from mlx_vlm import load, generate
model, processor = load("Qwen/Qwen3.5-397B-A17B-mlx")
output = generate(
model,
processor,
"Analyze this screenshot and suggest optimizations:",
image_path="ui.png",
max_tokens=2048
)
Các khung tinh chỉnh hỗ trợ các phương pháp tham số đầy đủ, LoRA và QLoRA. Unsloth đạt được tốc độ huấn luyện nhanh gấp 2 lần trên các lớp MoE bằng cách đóng băng các chuyên gia không hoạt động. Llama-Factory tích hợp liền mạch với mẫu chat chính thức của Qwen3.5.
Các trường hợp sử dụng thực tế cho Qwen 3.5
Qwen 3.5 cung cấp sức mạnh cho các quy trình làm việc mà sáu tháng trước là không thể. Các nhóm phần mềm đưa toàn bộ kho lưu trữ vào một lời nhắc duy nhất và nhận được các bản tái cấu trúc sẵn sàng cho sản xuất. Ngữ cảnh 1M xử lý 400k dòng mã mà không bị cắt bớt.
Các nhà phân tích tài chính tải lên các hồ sơ SEC dài 500 trang dưới dạng PDF. Qwen 3.5 trích xuất bảng, đối chiếu chú thích và tạo tóm tắt điều hành trong vòng chưa đầy 30 giây.
Các hệ thống chăm sóc sức khỏe tích hợp Qwen 3.5 để chẩn đoán đa phương thức. Các nhà X-quang tải lên ảnh X-quang cùng với lịch sử bệnh nhân; mô hình xuất ra các chẩn đoán phân biệt với điểm tin cậy và các liên kết tài liệu hỗ trợ.
Các phòng thí nghiệm robot huấn luyện các tác nhân thể hiện bằng cách sử dụng Qwen 3.5 làm bộ lập kế hoạch cấp cao. Mô hình nhận các luồng camera RGB-D, tạo ra các nguyên thủy hành động và giao tiếp với các bộ điều khiển cấp thấp thông qua lệnh gọi công cụ.
Các nền tảng thương mại điện tử tự động hóa quản lý danh mục sản phẩm. Qwen 3.5 phân tích hình ảnh nhà cung cấp, tạo mô tả tối ưu hóa SEO bằng 201 ngôn ngữ và đề xuất các gói bán kèm dựa trên sự tương đồng về hình ảnh.
Các ứng dụng này đều có một nền tảng chung: truy cập API mạnh mẽ, đáng tin cậy.
Từng bước: Cách truy cập API Qwen 3.5
Truy cập API Qwen 3.5 chỉ yêu cầu chính xác bốn bước và chưa đầy năm phút.
Bước 1: Tạo Tài khoản Alibaba Cloud của bạn
Truy cập modelstudio.console.alibabacloud.com và đăng ký bằng email công ty của bạn. Kích hoạt Model Studio trong khu vực ap-southeast-1 để có độ trễ thấp nhất.
Bước 2: Tạo Khóa API
Trong bảng điều khiển, đi tới "API Keys" → "Create AccessKey". Sao chép DASHSCOPE_API_KEY và lưu trữ nó trong trình quản lý bí mật của bạn.
Bước 3: Cấu hình Client tương thích OpenAI
URL cơ sở là https://dashscope.aliyuncs.com/compatible-mode/v1. Sử dụng bất kỳ SDK OpenAI nào:
import os
from openai import OpenAI
client = OpenAI(
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"
)
Bước 4: Thực hiện Lệnh gọi đầu tiên của bạn
Yêu cầu chỉ văn bản:
response = client.chat.completions.create(
model="qwen3.5-plus",
messages=[{
"role": "user",
"content": "Write a production-ready FastAPI endpoint that calls Qwen 3.5 for code review"
}],
temperature=0.3,
max_tokens=4096,
extra_body={"enable_thinking": True}
)
Yêu cầu Thị giác (Mã hóa Base64):
import base64
def image_to_base64(path):
with open(path, "rb") as f:
return base64.b64encode(f.read()).decode()
image_b64 = image_to_base64("invoice.png")
response = client.chat.completions.create(
model="qwen3.5-plus",
messages=[{
"role": "user",
"content": [
{"type": "text", "text": "Extract all line items from this invoice and return as JSON"},
{"type": "image_url", "image_url": {"url": f"data:image/png;base64,{image_b64}"}}
]
}]
)
Ví dụ Lệnh gọi Công cụ:
tools = [
{
"type": "function",
"function": {
"name": "search_web",
"description": "Search the web for current information",
"parameters": {
"type": "object",
"properties": {"query": {"type": "string"}}
}
}
}
]
response = client.chat.completions.create(
model="qwen3.5-plus",
messages=[{"role": "user", "content": "What is the latest Qwen 3.5 benchmark on SWE-bench?"}],
tools=tools,
tool_choice="auto"
)
Qwen3.5-Plus hỗ trợ streaming, lệnh gọi công cụ song song và tìm kiếm web thông qua enable_search: true. Để phục vụ cục bộ, hãy ủy quyền điểm cuối vLLM hoặc SGLang của bạn thông qua cùng một client OpenAI.
Tích hợp Apidog để tăng tốc quy trình làm việc API Qwen 3.5
Apidog biến việc phát triển API Qwen 3.5 từ một dự án cuối tuần thành một triển khai trong cùng một ngày. Tải xuống Apidog miễn phí và nhập thông số kỹ thuật OpenAPI chính thức của Qwen 3.5 trực tiếp từ Model Studio.
Apidog tự động phân tích mọi sơ đồ đa phương thức, tạo tải trọng ví dụ cho đầu vào thị giác và tạo các bộ sưu tập kiểm thử bao phủ 100% các tham số được ghi nhận. Các kỹ sư định nghĩa các xác nhận như "phản hồi phải chứa JSON hợp lệ khi bật lệnh gọi công cụ" và chạy chúng trên các điểm cuối Qwen3.5-Plus trực tiếp.
Trình xây dựng luồng trực quan cho phép bạn tạo nguyên mẫu các chuỗi tác nhân: tải lên ảnh chụp màn hình → phát hiện phần tử giao diện người dùng → tạo hành động → thực thi công cụ. Apidog ghi lại từng bước, tạo các bản tương đương cURL và xuất các bộ sưu tập Postman.
Kiểm thử hiệu suất cho thấy các nút thắt cổ chai thực sự. Apidog mô phỏng 1.000 yêu cầu đồng thời ở độ dài ngữ cảnh 1M, đo độ trễ P95 và thông lượng token. Các kết quả hướng dẫn các quyết định về kích thước lô, nhiệt độ và chế độ suy nghĩ.
Tài liệu trở thành một sản phẩm phụ. Apidog tạo ra các tài liệu tham khảo API đẹp mắt, tương tác hoàn chỉnh với các ví dụ cụ thể của Qwen 3.5, các đoạn mã bằng 12 ngôn ngữ và các bản demo video nhúng về các lệnh gọi thị giác.
Sự hợp tác nhóm diễn ra trong thời gian thực. Các thay đổi đối với sơ đồ đồng bộ tức thì trên các không gian làm việc, ngăn chặn sự sai lệch phiên bản làm hỏng các dự án API.
Các kỹ sư sử dụng Apidog cho Qwen 3.5 báo cáo giảm thời gian tích hợp từ vài tuần xuống còn vài ngày.
Các kỹ thuật nâng cao để tối ưu hóa API Qwen 3.5
Xử lý hàng loạt tối đa hóa giá trị. Nhóm 16 yêu cầu vào một lệnh gọi API duy nhất bằng cách sử dụng tham số n và xử lý các phản hồi song song.
Kỹ thuật nhắc lệnh tuân theo một mẫu có cấu trúc:
[SYSTEM]
Bạn là Qwen 3.5-Plus, một kiến trúc sư phần mềm chuyên gia.
[USER]
{task}
[THOUGHT]
Đầu tiên, phân tích các yêu cầu.
Thứ hai, chia nhỏ thành các thành phần.
Thứ ba, cung cấp triển khai.
[RESPONSE]
Xử lý lỗi thực hiện lùi lũy thừa với jitter:
import time
import random
def call_qwen_with_retry(prompt, max_retries=5):
for attempt in range(max_retries):
try:
response = client.chat.completions.create(...)
return response
except Exception as e:
if attempt == max_retries - 1:
raise
sleep_time = (2 ** attempt) * 0.5 + random.uniform(0, 1)
time.sleep(sleep_time)
Các pipeline RAG tận dụng trực tiếp ngữ cảnh 1M. Truy xuất 500 đoạn, nối chúng lại và để Qwen 3.5 tổng hợp mà không cần các lớp tóm tắt.
Suy luận cục bộ được lượng tử hóa thông qua GGUF giảm chi phí hơn nữa. Qwen3.5-397B-A17B 4 bit chạy ở tốc độ 28 token/giây trên một A100 duy nhất.
Máy chủ mô phỏng của Apidog tái tạo hành vi của Qwen 3.5 trong quá trình CI/CD, phát hiện các lỗi sơ đồ trước khi chúng đến môi trường sản xuất.
Tránh các cạm bẫy phổ biến của Qwen 3.5
Giới hạn tốc độ kích hoạt khi các kỹ sư quên triển khai hàng đợi. Theo dõi mức sử dụng với bảng điều khiển Alibaba và đặt giới hạn mềm ở 80% hạn ngạch.
Lỗi tải trọng thị giác xảy ra khi chuỗi base64 vượt quá 20MB. Luôn thay đổi kích thước hình ảnh thành 1344x1344 và nén ở chất lượng JPEG 85.
Tràn ngữ cảnh xảy ra một cách âm thầm. Theo dõi usage.completion_tokens và triển khai phân đoạn tự động khi tiếp cận 900k token.
Lệnh gọi công cụ thất bại khi các sơ đồ JSON vi phạm kỳ vọng của mô hình. Xác thực mọi định nghĩa công cụ trong trình chỉnh sửa sơ đồ của Apidog trước khi triển khai.
Các kỹ sư tuân theo các mẫu này tránh được 90% các sự cố sản xuất.
Kết luận
Qwen 3.5 định nghĩa lại những gì các kỹ sư có thể đạt được với AI dễ tiếp cận. Kiến trúc, điểm benchmark và API của nó mang lại trí tuệ đa phương thức với hiệu suất chưa từng có.
Hướng dẫn này cung cấp lộ trình kỹ thuật hoàn chỉnh — từ các phân tích sâu về kiến trúc đến các mẫu mã sẵn sàng cho sản xuất. Hãy triển khai các mẫu này ngay hôm nay và xem hệ thống của bạn vượt trội hơn đối thủ.
Sự khác biệt giữa AI tốt và AI mang tính chuyển đổi nằm ở những lựa chọn kỹ thuật nhỏ mà bạn thực hiện ngay bây giờ. Qwen 3.5 phần thưởng sự chính xác.
Hãy bắt đầu xây dựng.