Rain科技3月8日消息，今年除夕当天，阿里巴巴发布了其千问Qwen 3.5系列大模型。在此之前，阿里已推出高端大尺寸系列模型；近日，又新增了四个小尺寸模型：Qwen3.5-0.8B、Qwen3.5-2B、Qwen3.5-4B以及Qwen3.5-9B。
对于人工智能模型爱好者来说，小尺寸模型往往是其魅力的核心所在，尤其是其在本地部署方面的巨大吸引力。此次发布的Qwen 3.5系列不仅体积小巧，更重要的是性能表现强劲。其中，9B模型在性能上已能媲美拥有1200亿参数的GPT-OSS-120B模型。
而Qwen 3.5系列的实际表现，甚至可能超出部分用户的预期。日前，N8 Programs机构进行了实际测试，以验证官方关于4B模型性能与GPT-4o相当的说法。
测试结果显示，在大多数评测场景下，Qwen 3.5-4B模型的表现确实优于GPT-4o这类主流大模型。
具体而言，测试者使用了WildChat数据集中的1000个随机问题，让Qwen 3.5-4B和GPT-4o分别作答，并由当前最强的大模型Opus 4.6进行评判。最终数据显示，在1000组问答中，Qwen 3.5-4B赢得了499个，输了431个，另有70个为平局。这一结果表明，阿里巴巴在宣传其模型性能时，保持了相当的客观性。
值得注意的是，Qwen 3.5-4B仅是一个拥有40亿参数的小尺寸模型。而GPT-4o，作为许多用户的首选模型，其参数量高达约2000亿（公开信息未明确，但有微软论文佐证）。这意味着，Qwen 3.5-4B仅用了GPT-4o约2%的参数量，便能在部分测试中取得更优越的性能表现，这无疑是其技术实力的一大亮点。
当然，Qwen 3.5系列的小尺寸模型并非在所有方面都能超越当前的顶尖模型，但它们在本地部署方面的优势使其极具吸引力。理论上，4B模型在仅8GB显存的环境下即可运行，不过为获得更佳体验，建议配备16GB显存，并进行量化优化。目前网上已有不少相关教程，对本地部署AI模型感兴趣的用户可以尝试。
以下是千问发布时关于各模型及其性能的介绍和对比：
0.8B / 2B：极致轻量，端侧首选
特点：模型体积极小，推理速度飞快。
应用场景：非常适合部署在移动设备、IoT 边缘设备上，以及对低延迟有严格要求的实时交互场景。
4B：轻量级 Agent 的强劲基座
特点：性能强劲，作为多模态基础模型，特别适合用于构建 Agent。
应用场景：可作为轻量级智能体的核心大脑，是性能与资源消耗之间达到完美平衡的理想选择。
9B：紧凑尺寸，越级性能
特点：模型结构紧凑，但性能却能媲美拥有1200亿参数的GPT-OSS-120B，表现令人瞩目。
应用场景：适用于对智力水平有较高要求，但又受限于显存资源的服务端部署场景，是性价比极高的通用模型选项。
