Qwen introduceert nieuw visie-taalmodel om de prestaties van coderen, redeneren en multimodale AI te verbeteren.
In het kort
Het Qwen-team heeft het open-weight model Qwen3.5-397B-A17B gelanceerd, waarmee belangrijke verbeteringen worden doorgevoerd op het gebied van multimodale prestaties, reinforcement learning en trainingsefficiëntie. Dit maakt deel uit van een bredere inspanning om meer capabele, algemene AI-agenten te ontwikkelen.
Het Qwen-team van Alibaba Cloud heeft het eerste model in zijn nieuwe Qwen3.5-serie geïntroduceerd: de Qwen3.5-397B-A17B, een model met een open gewichtsverdeling.
Het model is gepositioneerd als een native visie-taalsysteem en levert sterke prestaties op het gebied van redeneren, coderen, agenttaken en multimodaal begrip, wat een aanzienlijke vooruitgang betekent in de grootschalige AI-ontwikkelingsinspanningen van het bedrijf.
Het model is gebouwd op een hybride architectuur die lineaire aandacht via Gated Delta Networks combineert met een schaars ontwerp gebaseerd op een mix van experts, waardoor een hoge efficiëntie tijdens inferentie mogelijk is. Hoewel het volledige systeem 397 miljard parameters bevat, worden er slechts 17 miljard geactiveerd voor elke forward pass, waardoor het een hoge capaciteit behoudt en tegelijkertijd de rekenkosten verlaagt. De release breidt ook de ondersteuning voor talen en dialecten uit van 119 naar 201, waardoor de toegankelijkheid voor gebruikers en ontwikkelaars wereldwijd wordt vergroot.
Qwen3.5 markeert een grote sprong voorwaarts in de efficiëntie van reinforcement learning en pretraining.
De Qwen3.5-serie introduceert aanzienlijke verbeteringen ten opzichte van Qwen3, voornamelijk dankzij uitgebreide schaalvergroting van reinforcement learning in een breed scala aan omgevingen. In plaats van te optimaliseren voor specifieke benchmarks, heeft het team zich gericht op het verhogen van de taakmoeilijkheid en de generaliseerbaarheid, wat heeft geleid tot verbeterde agentprestaties bij evaluaties zoals BFCL-V4, VITA-Bench, DeepPlanning, Tool-Decathlon en MCP-Mark. Aanvullende resultaten zullen worden beschreven in een aankomend technisch rapport.
De verbeteringen in de pretraining omvatten kracht, efficiëntie en veelzijdigheid. Qwen3.5 is getraind op een aanzienlijk grotere hoeveelheid visuele tekstdata met versterkte meertalige, STEM- en redeneercontent, waardoor het de prestaties van eerdere modellen met biljoenen parameters kan evenaren. Architectonische upgrades – waaronder MoE met hogere sparsiteit, hybride aandacht, verfijningen in stabiliteit en multi-token voorspelling – leveren aanzienlijke winst op qua doorvoer, met name bij langere contexten van 32 en 256 tokens. De multimodale mogelijkheden van het model worden versterkt door vroege tekst-beeldfusie en uitgebreidere datasets met afbeeldingen, STEM-materiaal en video, terwijl een grotere woordenschat van 250 tokens de efficiëntie van coderen en decoderen in de meeste talen verbetert.
De infrastructuur achter Qwen3.5 is ontworpen voor efficiënte multimodale training. Een heterogene parallelisatiestrategie scheidt de visuele en taalcomponenten om knelpunten te voorkomen, terwijl sparse activation een bijna volledige doorvoer mogelijk maakt, zelfs bij gemengde tekst-, beeld- en videoworkloads. Een native FP8-pipeline reduceert het activatiegeheugen met ongeveer de helft en verhoogt de trainingssnelheid met meer dan 10 procent, met behoud van stabiliteit bij enorme tokenaantallen.
Reinforcement learning wordt ondersteund door een volledig asynchroon framework dat modellen van alle groottes aankan, waardoor het hardwaregebruik, de taakverdeling en het foutherstel worden verbeterd. Technieken zoals FP8 end-to-end training, speculatieve decodering, rollout router replay en multi-turn rollout locking helpen de consistentie te behouden en veroudering van de gradiënt te verminderen. Het systeem is ontworpen om grootschalige agentworkflows te ondersteunen, waardoor naadloze interacties over meerdere beurten en brede generalisatie over verschillende omgevingen mogelijk zijn.
Gebruikers kunnen met Qwen3.5 communiceren via Qwen Chat, dat afhankelijk van de taak de modi Auto, Denken en Snel biedt. Het model is ook beschikbaar via Alibaba Cloud's ModelStudio, waar geavanceerde functies zoals redeneren, web zoeken en code-uitvoering via eenvoudige parameters kunnen worden ingeschakeld. Integratie met externe codeertools stelt ontwikkelaars in staat om Qwen3.5 met minimale moeite in bestaande workflows te integreren.
Volgens het Qwen-team legt Qwen 3.5 de basis voor universele digitale agenten dankzij de hybride architectuur en de ingebouwde multimodale redeneermogelijkheden. Toekomstige ontwikkelingen zullen zich richten op systeemintegratie, waaronder persistent geheugen voor leren tussen sessies, belichaamde interfaces voor interactie met de echte wereld, zelfsturende verbeteringsmechanismen en economisch bewustzijn voor autonome werking op de lange termijn. Het doel is om verder te gaan dan taakspecifieke assistenten en te evolueren naar coherente, persistente agenten die in staat zijn complexe, meerdaagse taken te beheren met betrouwbaar, op de menselijke waarneming afgestemd oordeel.
Disclaimer
In lijn met de Richtlijnen voor vertrouwensprojectenHoud er rekening mee dat de informatie op deze pagina niet bedoeld is en niet mag worden geïnterpreteerd als juridisch, fiscaal, beleggings-, financieel of enige andere vorm van advies. Het is belangrijk om alleen te beleggen wat u zich kunt veroorloven te verliezen en onafhankelijk financieel advies in te winnen als u twijfels heeft. Voor meer informatie raden wij u aan de algemene voorwaarden en de hulp- en ondersteuningspagina's van de uitgever of adverteerder te raadplegen. MetaversePost streeft naar nauwkeurige, onpartijdige berichtgeving, maar de marktomstandigheden kunnen zonder voorafgaande kennisgeving worden gewijzigd.
Over de auteur
Alisa, een toegewijd journalist bij de MPost, is gespecialiseerd in cryptocurrency, zero-knowledge proofs, investeringen en het uitgebreide domein van Web3. Met een scherp oog voor opkomende trends en technologieën levert ze uitgebreide berichtgeving om lezers te informeren en te betrekken bij het steeds evoluerende landschap van digitale financiën.
Meer artikelen
Alisa, een toegewijd journalist bij de MPost, is gespecialiseerd in cryptocurrency, zero-knowledge proofs, investeringen en het uitgebreide domein van Web3. Met een scherp oog voor opkomende trends en technologieën levert ze uitgebreide berichtgeving om lezers te informeren en te betrekken bij het steeds evoluerende landschap van digitale financiën.
