【当400B巨兽遇上17B激活：Qwen3.5的速度革命与争议】

通义千问团队发布了新一代旗舰模型Qwen3.5-397B-A17B，这个名字背后藏着一个巧妙的平衡术：总参数量397B，但每次推理只激活17B参数。这种MoE（混合专家）架构让它的解码速度达到了前代Qwen3-235B的3.5到7.2倍，但社区对实际表现的评价却呈现两极分化。

+ 速度狂飙背后的取舍

在OpenRouter的原生服务商上，这个模型能跑出39 tokens/秒的速度，配合最高可扩展至100万token的上下文窗口，理论性能相当诱人。但有用户发现，在化学和数学可视化任务上，它的输出质量明显不如Qwen3 VL 235B。这引发了一个尖锐的讨论：当激活参数从30B砍到17B，我们究竟是在挑战scaling law，还是在向硬件短缺妥协？

有评论直言不讳地指出，这个决策可能与中美GPU博弈有关。美国先对华禁售高端GPU，去年12月解禁H200后，中国政府反过来限制H200进入本土市场。GPU供应的不确定性，似乎正在重塑模型架构的选择。

+ OCR领域的意外惊喜

尽管在某些领域表现存疑，Qwen3.5在OCR任务上的表现令人眼前一亮。多位用户测试后认为，它是目前最强的开源图像模型，接近Gemini 3的水平，在处理手写笔记和手绘图形转Markdown时展现出独特优势。一位用户甚至成功用它解码了18世纪的古文献，模型聪明到能够还原那些年代久远的缩写词，并把它们放入正确的语境。

这个能力的意义在于：市场上每周都有新的OCR小模型发布，但几乎没有一个能像Qwen3.5这样真正理解图像，尤其是手写内容。图像理解能力，正在成为OCR任务的新门槛。

+ 硬件门槛与量化之争

对于想在本地运行这个模型的用户来说，硬件需求是个现实问题。FP16精度下需要807GB内存，即便是Q4量化版本也要214GB。社区迅速展开了各种硬件组合方案的讨论：有人推荐8块24GB的Tesla P40组成192GB配置，价格约1600美元；有人靠EPYC Rome系统配256GB DDR4内存加多块GPU；还有人盯上了Mac Studio的256GB统一内存。

但Q2量化版本虽然只需149GB，却引发了新的争议：2bit量化的400B模型，是否真的比4bit量化的30B模型更好？这个问题没有简单答案，因为量化损失和模型容量之间的关系，远比我们想象的复杂。

+ 商业定价的反常识现象

API定价出现了一个有趣的现象：Qwen3.5-Plus版本的价格竟然低于开源权重版本。谜底在于阶梯定价机制，当token数量达到一定规模时，价格会相应上调。Plus版本的速度快一倍，但有用户发现它在某些任务上的表现反而不如开源版本，可能是提示词适配的问题。

从年初的每百万token 0.6美元涨到现在的价格，让一些用户开始转向Grok 4.1 fast等替代方案。定价策略的微妙变化，正在悄然改变用户的选择。

+ 工具调用的隐藏问题

一位用户的个人基准测试显示，Qwen3.5-397B是第一个全部答对他六道刁钻问题的开源模型，此前只有Gemini 2.5和3.0做到过。但通过OpenRouter使用时，约一半的AI工具调用是无效的，要么调用不存在的工具，要么把调用放进代码块里。这个问题暴露了一个现实：即便模型在纯推理任务上表现出色，在实际应用场景中仍可能遇到意想不到的障碍。

+ 等待中的小模型

社区最期待的，其实是30B到80B区间的版本。按照Qwen3的发布节奏推测，小模型可能要等三个月左右。有人猜测下一个会是35B版本，可能因为视觉能力会多5B参数。但对于大多数个人用户来说，400B级别的模型更像是技术展示，真正实用的仍然是那些能在消费级硬件上流畅运行的中等规模模型。

这次发布引发的最深层思考，或许是一位用户的感慨：既兴奋又遗憾的是，现在是中国公司在和其他中国公司竞争。这句话道出了当前开源AI竞争格局的一个事实。

模型发布页面：huggingface.co/Qwen/Qwen3.5-397B-A17B
reddit.com/r/LocalLLaMA/comments/1r656d7/qwen35397ba17b_is_out