अलीबाबाने या आठवड्याच्या सुरुवातीला Qwen3.5 सोडला, चंद्राच्या नवीन वर्षाच्या अनुषंगाने वेळ आली आहे, आणि एंटरप्राइझ AI खरेदीदारांना थांबवण्यासाठी आणि दखल घेण्यास केवळ हेडलाइन नंबर पुरेसे आहेत.
नवीन आघाडीचे ओपन-वेट मॉडेल – Qwen3.5-397B-A17B – मध्ये एकूण 397 अब्ज पॅरामीटर्स आहेत परंतु प्रति टोकन केवळ 17 अब्ज सक्रिय होतात. अलीबाबाच्या मागील फ्लॅगशिप, Qwen3-Max वर विक्रमी विजय मिळवल्याचा दावा केला आहे, हे मॉडेल कंपनीने स्वतः मान्य केले आहे की एक ट्रिलियन पॅरामीटर्स पार केले आहेत.
प्रकाशन एंटरप्राइझ AI खरेदीमधील एक महत्त्वाचा क्षण आहे. 2026 च्या AI पायाभूत सुविधांचे मूल्यमापन करणाऱ्या IT नेत्यांसाठी, Qwen 3.5 वेगळ्या प्रकारचा युक्तिवाद करते: की तुम्ही जे मॉडेल ऑपरेट करू शकता, स्वतःचे आणि नियंत्रण करू शकता ते आता तुम्हाला भाड्याने द्याव्या लागणाऱ्या मॉडेल्सशी वार करू शकतात.
स्केलवर गतीसाठी डिझाइन केलेले नवीन आर्किटेक्चर
Qwen3.5 अंतर्गत अभियांत्रिकी कथा त्याच्या पूर्ववर्तींपासून सुरू होते. हे मॉडेल गेल्या सप्टेंबरमध्ये लाँच केलेल्या Qwen3-Next पायलटचे थेट उत्तराधिकारी आहे, हे अत्यंत विरळ मॉडेल आहे, ज्याचे शिक्षण विभागाने पूर्वावलोकन केले होते परंतु मोठ्या प्रमाणावर ते अल्पप्रशिक्षित मानले जात होते. Qwen3.5 हा आर्किटेक्चरल ट्रेंड घेते आणि आक्रमकपणे त्याची व्याप्ती वाढवते, मागील Qwen3 MoE मॉडेल्समधील 128 तज्ञांवरून नवीन आवृत्तीमध्ये 512 तज्ञांपर्यंत उडी मारते.
याचा व्यावहारिक परिणाम आणि लक्ष देण्याच्या अधिक चांगल्या पद्धतीमुळे अनुमानाची विलंबता लक्षणीयरीत्या कमी होते. 397 अब्ज पॅरामीटर्सपैकी केवळ 17 अब्ज कोणत्याही फॉरवर्ड पाससाठी सक्रिय असल्याने, 400 अब्ज मॉडेलपेक्षा संगणकीय फूटप्रिंट 17 अब्ज घनतेच्या मॉडेलच्या खूप जवळ आहे—जेव्हा मॉडेल तज्ञांच्या निष्कर्षासाठी त्याच्या तज्ञ पूलच्या संपूर्ण खोलीवर अवलंबून राहू शकते.
हे वेगवान नफा लक्षणीय आहेत. 256K संदर्भ लांबीवर, Qwen 3.5 Qwen3-Max पेक्षा 19 पट वेगाने आणि Qwen 3 च्या 235B-A22B मॉडेलपेक्षा 7.2 पटीने वेगवान डीकोड करते.
अलीबाबाचा असाही दावा आहे की हे मॉडेल त्याच्या पूर्ववर्ती मॉडेलपेक्षा 60% स्वस्त आहे आणि मोठ्या समवर्ती वर्कलोड्स हाताळण्यास आठ पट अधिक सक्षम आहे, अनुमान बिलिंगशी संबंधित कोणत्याही टीमला खूप रस आहे. हे देखील सुमारे 1 आहे/अठरावा: Google कडील Gemini 3 Pro डिव्हाइसची किंमत.
इतर दोन वास्तुशास्त्रीय निर्णय या नफ्यांमध्ये गुणाकार करतात:
-
Qwen3.5 मल्टी-कोड अंदाज स्वीकारते – अनेक प्रोप्रायटरी मॉडेल्समध्ये अग्रगण्य असलेला दृष्टीकोन – जो पूर्व-प्रशिक्षण अभिसरणाला गती देतो आणि थ्रूपुट वाढवतो.
-
तेही आहे लक्ष प्रणाली पासून वारसा Qwen3-पुढील गेल्या वर्षी रिलीझ केलेले, हे विशेषतः संदर्भाच्या दीर्घ कालावधीसाठी मेमरी प्रेशर कमी करण्यासाठी डिझाइन केलेले आहे.
परिणाम म्हणजे एक मॉडेल जे ओपन-वेट आवृत्तीमध्ये 256KB कॉन्टेक्स्ट विंडोमध्ये आरामात ऑपरेट करू शकते आणि अलीबाबा क्लाउड मॉडेल स्टुडिओवर होस्ट केलेल्या Qwen3.5-Plus व्हेरियंटमध्ये 1 दशलक्ष टोकन पर्यंत.
मूळ मल्टीमीडिया, स्थापित नाही
वर्षानुवर्षे, अलीबाबाने मानक उद्योग पद्धतीचे अनुसरण केले आहे: एक भाषा मॉडेल तयार करा, नंतर एक वेगळा VL प्रकार तयार करण्यासाठी व्हिजन एन्कोडर संलग्न करा. Qwen3.5 हा नमुना पूर्णपणे सोडून देतो. मॉडेलला सुरवातीपासून मजकूर, प्रतिमा आणि व्हिडिओ एकाच वेळी प्रशिक्षित केले जाते, याचा अर्थ व्हिज्युअल विचार हे मॉडेलच्या अंतर्निहित प्रतिनिधित्वांमध्ये विणले गेले आहे ऐवजी त्यावर कलम केले जाते.
हे सराव मध्ये महत्वाचे आहे. नेटिव्ह मल्टीमीडिया मॉडेल्स त्यांच्या कनव्हर्टर-आधारित समकक्षांना मजकूर आणि प्रतिमांच्या काळजीपूर्वक तर्काची आवश्यकता असलेल्या कार्यांवर मागे टाकतात – त्याच्या दस्तऐवजीकरणासह तांत्रिक आकृतीचे विश्लेषण करणे, एजंट कार्यांसाठी UI स्क्रीनशॉट प्रक्रिया करणे किंवा जटिल व्हिज्युअल लेआउट्समधून संरचित डेटा काढणे याचा विचार करा. MathVista मध्ये मॉडेलने 90.3 गुण मिळवले; MMMU वर, ८५.०. हे अनेक व्हिजन-विशिष्ट बेंचमार्कवर जेमिनी 3 च्या मागे आहे परंतु मल्टीमीडिया टास्कमध्ये क्लॉड ओपस 4.5 ला मागे टाकते आणि GPT-5.2 विरुद्ध स्पर्धात्मक क्रमांक पोस्ट करते, सर्व काही पॅरामीटर मोजणीचा अंश असताना.
Qwen3.5 ची मोठ्या मॉडेल्सच्या तुलनेत बेंचमार्क कामगिरी ही अशी संख्या आहे जी एंटरप्राइझ संभाषणांना चालना देईल.
Alibaba द्वारे प्रकाशित केलेल्या मूल्यमापनांमध्ये, 397B-A17B Qwen3-Max — एक ट्रिलियनपेक्षा जास्त पॅरामीटर्स असलेले मॉडेल — एकाधिक तर्क आणि कोडिंग कार्यांमध्ये मागे टाकते.
हे GPT-5.2, क्लॉड ओपस 4.5 आणि जेमिनी 3 प्रो विरुद्ध सामान्य हेरिस्टिक्स आणि कोडिंग बेंचमार्कमध्ये स्पर्धात्मक परिणामांचा दावा करते.
भाषा कव्हरेज आणि टोकन कार्यक्षमता
Qwen3.5 रिलीझमधला एक कमी-प्रशंसित तपशील म्हणजे त्याचा विस्तारित बहुभाषिक पोहोच. मॉडेल शब्दसंग्रह 250K कोडपर्यंत वाढला आहे, मागील Qwen पिढ्यांमधील 150K वरून आणि आता Google च्या ~256K कोडशी तुलना करता येईल. भाषा समर्थन क्वेन 3 मधील 119 भाषांमधून 201 भाषा आणि बोलींमध्ये विस्तारते.
टोकन अपग्रेड केल्याने जागतिक उपयोजनांवर थेट खर्चाचा परिणाम होतो. मोठ्या शब्दसंग्रहांमध्ये लॅटिन नसलेल्या लिपींना एन्कोड केले जाते – अरबी, थाई, कोरियन, जपानी, हिंदी इ. – अधिक कार्यक्षमतेने, भाषेवर अवलंबून टोकनची संख्या 15-40% कमी करते. बहुभाषिक वापरकर्ता आधारांवर मोठ्या प्रमाणावर AI वापरणाऱ्या IT संस्थांसाठी, हे शैक्षणिक तपशील नाहीत. हे थेट कमी अनुमान खर्च आणि जलद प्रतिसाद वेळेत अनुवादित करते.
प्रॉक्सी क्षमता आणि OpenClaw एकत्रीकरण
Alibaba स्पष्टपणे Qwen3.5 ला एजंट मॉडेल म्हणून स्थान देते – जे केवळ प्रश्नांना प्रतिसाद देण्यासाठी नाही तर वापरकर्ते आणि प्रणालींच्या वतीने बहु-चरण, स्वायत्त कृती करण्यासाठी डिझाइन केलेले आहे. कंपनीकडे ओपन सोर्स क्वेन कोड आहे, एक कमांड-लाइन इंटरफेस जो विकसकांना नैसर्गिक भाषेत मॉडेलला जटिल प्रोग्रामिंग कार्ये सोपविण्याची परवानगी देतो, अंदाजे अँथ्रोपिकच्या क्लॉड कोड प्रमाणेच.
रिलीझ OpenClaw सह सुसंगतता देखील हायलाइट करते, ओपन सोर्स प्रॉक्सी फ्रेमवर्क ज्याचा विकासकांनी या वर्षी अवलंब केला आहे. मॉडेलच्या तर्कशक्ती आणि कार्याची अंमलबजावणी सुधारण्यासाठी 15,000 सुस्पष्ट सुदृढीकरण शिक्षण प्रशिक्षण वातावरणासह, Qwen टीमने व्यावहारिक एजंट कार्यप्रदर्शन सुधारण्यासाठी RL-आधारित प्रशिक्षणावर जाणीवपूर्वक पैज लावली आहे – एक ट्रेंड जो MiniMax ने M2.5 सोबत दाखवला त्याच्याशी सुसंगत आहे.
होस्ट केलेले Qwen3.5-Plus व्हेरिएंट अनुकूली तर्क मोड देखील सक्षम करते: विलंब-संवेदनशील अनुप्रयोगांसाठी एक वेगवान मोड, एक तर्क मोड जो जटिल कार्यांसाठी विस्तारित विचारसरणीचा तर्क सक्षम करतो आणि एक स्वयंचलित (अनुकूल) मोड जो गतिशीलपणे निर्धारित करतो. ही लवचिकता एंटरप्राइझ डिप्लॉयमेंटसाठी महत्त्वाची आहे जिथे समान मॉडेलला रिअल-टाइम ग्राहक परस्परसंवाद आणि सखोल विश्लेषणात्मक कार्यप्रवाह प्रदान करण्याची आवश्यकता असू शकते.
उपयोजन तथ्य: IT संघांना प्रत्यक्षात काय माहित असणे आवश्यक आहे
Qwen3.5 ओपन वेट इन हाऊस चालवण्यासाठी गंभीर हार्डवेअरची आवश्यकता असते. मात्र क्वांटिटी आवृत्तीसाठी सुमारे 256 GB RAM आवश्यक आहे आणि डोक्यावर आरामदायी जागा देण्यासाठी वास्तवात 512 GB आवश्यक आहे. हे वर्कस्टेशन मॉडेल किंवा तुमचा नम्र स्थानिक सर्व्हर नाही. जीपीयू नोडला काय अनुकूल आहे – एक कॉन्फिगरेशन जे अनेक संस्था आधीच अनुमानित वर्कलोडसाठी चालू आहेत आणि एक जे आता API-चालित उपयोजनांना आकर्षक पर्याय ऑफर करते.
सर्व Qwen 3.5 ओपनवेट मॉडेल्स Apache 2.0 लायसन्स अंतर्गत रिलीझ केले जातात. सानुकूल किंवा प्रतिबंधित परवाने असलेल्या मॉडेल्समधील हा एक अर्थपूर्ण फरक आहे: Apache 2.0 कोणत्याही अर्थपूर्ण अटी संलग्न न करता, रॉयल्टीशिवाय व्यावसायिक वापर, सुधारणा आणि पुनर्वितरण करण्यास अनुमती देते. खुल्या मॉडेल्सचे मूल्यांकन करणाऱ्या कायदेशीर आणि खरेदी संघांसाठी, हा स्वच्छ परवाना मोड संभाषण मोठ्या प्रमाणात सुलभ करतो.
पुढे काय येते?
अलिबाबाने पुष्टी केली आहे की हे Qwen3.5 कुटुंबातील पहिले प्रकाशन आहे, पूर्ण प्रकाशन नाही. Qwen3 च्या पॅटर्नवर आधारित – ज्यामध्ये 600 दशलक्ष पॅरामीटर्सपर्यंतचे मॉडेल समाविष्ट आहेत – उद्योगाला पुढील काही आठवडे आणि महिन्यांत लहान दाट डिस्टिलेट मॉडेल आणि अतिरिक्त MoE कॉन्फिगरेशनची अपेक्षा आहे. गेल्या सप्टेंबरमधील Qwen3-Next 80B मॉडेलला मोठ्या प्रमाणावर अप्रशिक्षित मानले जात होते, जे सुचविते की या स्केलवरील 3.5 हे नजीकच्या काळात रिलीज होण्याची शक्यता आहे.
आयटी निर्णय घेणाऱ्यांसाठी, मार्ग स्पष्ट आहे. अलीबाबाने हे सिद्ध केले आहे की बॉर्डरलाइन ओपन-वेट मॉडेल्स यापुढे तडजोड नाहीत. Qwen3.5 ही संघांसाठी खरी खरेदी आहे ज्यांना प्रथम श्रेणीचे विचार, मूळ मल्टीमीडिया क्षमता आणि 1M टोकन कॉन्टेक्स्ट विंडो हवी आहे – मालकीच्या APIशी जोडल्याशिवाय. हे मॉडेल कुटुंब पुरेसे सक्षम आहे का हा पुढचा प्रश्न नाही. तुमची पायाभूत सुविधा आणि तुमचा कार्यसंघ त्याचा लाभ घेण्यासाठी तयार आहेत की नाही यावर ते खाली येते.
नाणे 3.5 आहे हगिंग फेसवर आता उपलब्ध आहे Qwen/Qwen3.5-397B-A17B मॉडेल ID अंतर्गत. द्वारे होस्ट केलेले Qwen3.5-प्लस प्रकार उपलब्ध आहे अलीबाबा क्लाउड मॉडेल स्टुडिओ. क्विनने गप्पा मारल्या गप्पा qwen.ai मूल्यांकनासाठी विनामूल्य सार्वजनिक प्रवेश प्रदान करते.
