参数
4B
上下文长度
262K
模态
Multimodal
辅助参数
350M
架构
Dense
KV 缓存速率
128 KB/tok
许可证
Apache 2.0
发布日期
24 Feb 2026
训练数据截止日期
-
API 价格 (每 1M)
输入: $0.03 · 输出: $0.15
精度
上下文
工作负载显存: 5.36 GB
INT4 · 8K context
基础权重: 1.86 GB
KV 缓存: 1.00 GB
运行时与计算图: 2.50 GB
1x NVIDIA L4 24GB
5.4 / 21.6 GB usable
1x RTX 3060 12GB
5.4 / 10.8 GB usable
Apple M4 24GB
5.4 / 18.0 GB usable
确定特定工作负载的硬件需求:
在显存计算器中打开
权重格式
FP16
CUDA
>= 11.8
PyTorch
>= 2.1
Transformers
>= 4.57.0.dev0
| 微架构 | 精度 | 注意力算子 |
|---|---|---|
Blackwell, Hopper | 原生 FP16 | FlashAttention-3 |
Ada Lovelace, Ampere | 原生 FP16 | FlashAttention-2 |
排名
#145
编程排名
#149
Qwen3.5-4B 是阿里云于 2026 年 2 月发布的 40 亿参数紧凑型多模态基座模型。它采用结合了门控 Delta 网络(Gated Delta Networks)与门控注意力(Gated Attention)的混合架构,遵循 8×(3×DeltaNet→FFN→1×Attention→FFN) 的模式。该模型在 MMLU-Pro (79.1%)、GPQA Diamond (76.2%) 及 HMMT 基准测试 (74%/77%) 中表现卓越,并拥有出色的视觉-语言评分。其特点包括统一的视觉-语言能力、262k 原生上下文(可扩展至 1M)以及多词元预测训练,在推理、编程、多模态理解和涵盖 201 种语言的多语言任务中均能提供高效的性能。
注意力
注意力结构
Grouped-Query Attention
注意力头
16
键值头
4
注意力头维度
256
位置嵌入
ROPE
RoPE Theta
10,000,000
线性注意力
Yes
线性注意力比例
75.0%
归一化
RMS Normalization
激活函数
SwigLU
维度
基准精度
FP16
辅助参数
350M
隐藏维度大小
2,560
层数
32
FFN 中间层大小(稠密层)
9,216
多 Token 预测头数
1
分词器
词汇量大小
248,320
Qwen 3.5 是阿里云于 2026 年 2 月发布的最新一代基础模型系列。它代表了技术的重大飞跃,集成了多模态学习(统一视觉-语言基础)、高效混合架构(带有稀疏混合专家的门控增量网络)、面向百万级智能体环境的可扩展强化学习,以及涵盖 201 种语言的全球语言能力。该模型系列已开源权重,并遵循 Apache 2.0 协议。