Qwen 3.5 基准测试结果：各任务表现对比

Qwen 3.5 是阿里云推出的模型家族，涵盖从 9B 到 397B 参数的 Dense 和 MoE 架构。本文梳理官方基准测试数据，帮你了解每个模型的强项。

模型概览

• Qwen3.5-9B — 9B Dense，速度最快的开源模型
• Qwen3.5-27B — 27B Dense，性能均衡
• Qwen3.5-35B-A3B — 35B MoE（3B 激活），高效推理
• Qwen3.5-122B-A10B — 122B MoE（10B 激活），深度分析
• Qwen3.5-397B-A17B — 397B MoE（17B 激活），旗舰模型
• Qwen3.5-Flash — 托管快速模型
• Qwen3.5-Plus — 托管高级模型
• Qwen3.6-Plus — 最新托管发布，支持多模态

通用推理

在 MMLU、MMLU-Pro、ARC-Challenge 等标准推理基准上：

• Qwen3.5-397B-A17B 在多数推理任务上达到或超过 GPT-4o 水平，每步仅激活 17B 参数。
• Qwen3.5-27B 表现超出其参数量预期，经常与 2-3 倍大小的模型竞争。
• Qwen3.5-9B 在知识类任务上结果出色。

编程基准

在 HumanEval、MBPP 和 LiveCodeBench 上：

• Qwen3.5-Plus 和 Qwen3.5-397B-A17B 在代码生成方面领先，接近前沿模型水平。
• Qwen3.5-35B-A3B 是编程任务的性价比之选。
• 开启 Thinking 模式 可显著提升多步代码生成和调试准确率。

数学与科学

在 GSM8K、MATH 等基准上：

• 旗舰 397B-A17B 在复杂多步数学问题上表现优异。
• Qwen3.5-122B-A10B 以较低计算成本提供强劲的数学能力。
• Thinking 模式对数学任务提升尤为明显。

多语言能力

• 所有模型原生支持中英文，质量很高。
• 大模型（122B、397B、Plus）在多种语言上都有竞争力。
• 9B 和 27B 模型在低资源语言上可能会损失一些细节。

上下文窗口

所有开源 Qwen 3.5 模型支持 262K 原生上下文窗口，可扩展至约 1M token。托管模型（Flash、Plus、Qwen3.6-Plus）默认 1M 上下文窗口。

横向对比

如何选择？

• 快速任务：Qwen3.5-9B 或 Qwen3.5-Flash
• 日常均衡使用：Qwen3.5-27B 或 Qwen3.5-Plus
• 复杂推理：Qwen3.5-122B-A10B 或 Qwen3.5-397B-A17B
• 最新能力：Qwen3.6-Plus

亲自体验

基准测试只是参考，最好的评估方式是用你自己的任务来测试。免费试用 Qwen 3.5 — 切换模型、开启 Thinking 模式，在浏览器中直接对比。