最近在 LMSYS Arena 上，Qwen3.5-Max-Preview 的排名引起了不少讨论——它成了目前排名最高的中国模型。我花了一周时间测试这个模型，也整理了公开的技术资料，下面分享一些实际观察。
先说定位
Qwen3.5-Max-Preview 是阿里 Qwen3.5 系列的”旗舰预览版”。你可以把它理解成阿里在正式发布 Max 版本前，放到实战里检验的顶级配置。根据阿里的说法，这个版本主要用于”最后一轮打磨”——让大规模实际使用和社区反馈来发现问题。
从排行榜表现看，它确实达到了阿里宣称的”最强通用大模型”水准。在 LMSYS Arena 上拿到了 1464 分，位列全球前列，同时是中国模型中的第一名。不同时间点的统计有些差异（有的说全球第 5，有的说第 15），但不变的是它稳居国内第一梯队。
参数和架构：能确定什么？
官方博客没有公布 Qwen3.5-Max-Preview 的精确参数规模。从系列信息和第三方报道来看，有几件事是相对确定的：
参数梯度
Qwen3.5 系列覆盖 0.8B 到 397B 的多个参数档位。旗舰开源版本是 Qwen3.5-397B-A17B——总参数约 397B，但每次只激活 17B，这是典型的稀疏 MoE（Mixture of Experts）架构。
Max-Preview 的规模
有第三方媒体直接称它为”阿里巴巴的旗舰万亿参数语言模型”。但阿里官方只强调”旗舰”和”最强”，技术文档里没有写死具体数字。稳妥的说法是：它的能力对标乃至超越上一代 >1T 参数的 Qwen3-Max，但自身确切参数规模官方未公布。
继承的架构特征
从 Qwen3.5-397B-A17B 可以推断 Max-Preview 延续了家族设计：
- 稀疏 MoE：397B 总参数、17B 激活参数，512 个专家，每个 token 路由 10 个专用专家加 1 个共享专家
- 多模态原生统一：语言模型 + ViT 视觉编码器，同一套 Transformer 架构处理文本、图像和视频
- 超长上下文：原生 262,144 tokens，可通过 RoPE/YaRN 扩展到约 1,010,000 tokens
- 默认思考模式：先在
<think>标签中生成内部推理，再输出最终回答
实际能力：用起来怎么样？
我主要测试了四个方面。
通用对话质量
在 LM Arena 的匿名对战里，Max-Preview 的综合对话质量、任务完成度和指令跟随能力表现不错。对比测试中，它能较好地理解复杂指令，多轮对话的连贯性也保持得不错。
特别值得注意的是中文处理。对于长文档的理解和摘要，它在同类模型中表现突出。我试了几个 5 万字以上的技术文档，提取关键信息的准确率明显高于一些国际模型。
数学和推理
LM Arena 数学能力子榜显示它全球排名第 5。实际测试中，对于需要多步推理的问题，它的表现比较稳定。但也遇到卡壳的情况——一些需要跨领域知识的复杂推理题，它会给出中间步骤但最终结论偏离。
编码能力
在 Terminal-Bench 2.0 等基准测试上，Qwen3.5 代相对 Qwen3-Max-Thinking 有明显提升。我用它写过一个中等规模的后端服务（约 3000 行 Python），整体体验是：代码生成速度快，但需要人工检查逻辑漏洞。
一个实用场景是代码审查。它能较快定位代码中的潜在问题，比如边界条件处理、异常捕获等。不过对于架构层面的建议，还是比较模板化。
多模态支持
Qwen3.5-397B-A17B 原生支持文字、图片和视频（MP4/WebM），扩展支持 200+ 语言。Max-Preview 在 Arena 评测中主要以文本能力入榜，但根据家族架构，它应该也具备多模态处理能力。
和其他版本怎么选？
Qwen3.5 系列有三个主要版本，适用场景不同：
Qwen3.5-Max-Preview
闭源 API 版本，追求极致能力。适合极端复杂任务、评测冲榜、对延迟和成本不那么敏感的场景。如果你只是想体验或对比，可以通过 LMSYS Arena 直接试用。
Qwen3.5-Plus
云端稳定版，定位是”性能与成本平衡”。阿里云文档显示它的文本性能接近 Qwen3-Max，但更快更便宜。上下文可开到 1M tokens，适合长文档处理和多轮会话。
对于大多数正式业务场景，我建议优先考虑 Plus。除非你确实需要 Max-Preview 的极限能力，否则 Plus 的性价比更高。
Qwen3.5-397B-A17B
开源权重版本，适合自建部署。虽然总参数 397B 很大，但每 token 只激活 17B，算力需求接近 10B 级密集模型。如果你需要私有化部署、二次开发或研究，这是唯一选择。
一些实际观察
速度表现
数据显示 Qwen3.5-397B-A17B 在长上下文（256k tokens）解码上比上一代 Qwen3-Max 快约 19 倍，常规工作流快约 7–9 倍。Max-Preview 作为进一步强化的版本，速度应该在这个水平或更好。
稳定性
Plus 版本经过阿里云大规模业务验证，稳定性有保障。Max-Preview 作为预览版，在一些边界情况下可能会出现不一致——我遇到过几次同样的指令给出不同格式输出的问题。
成本考量
官方没有公布 Max-Preview 的具体定价，但参考 Qwen3-Max 的定价策略，Max-Preview 应该是系列中最贵的。如果你要大规模使用，建议先做成本测算。
值得关注的地方
- 长上下文是强项：1M tokens 的上下文能力在实际使用中很实用，特别是长文档分析、代码库理解等场景。
- 思考模式有潜力：默认的
<think>模式能让推理过程更透明，这对于需要解释性的应用（比如教育、法律咨询）很有价值。 - 中文生态优势：在中文任务上的表现明显优于一些国际模型，如果你的应用主要面向中文用户，这是需要考虑的因素。
- 工具调用支持：原生支持函数调用、RAG 和多智能体工作流，适合构建复杂的 Agent 应用。
我的建议
选 Max-Preview 的情况：
- 评测冲榜或 demo 展示，需要极致能力
- 任务复杂度极高，其他模型处理效果不佳
- 对成本不敏感，对质量有硬性要求
选 Plus 的情况：
- 正式线上业务，需要稳定性保障
- 性能、成本和延迟需要平衡
- 长文档或多轮会话是核心场景
选 397B-A17B 的情况：
- 需要私有化部署或二次开发
- 数据敏感，不能走云端 API
- 有足够的算力资源和技术团队维护
最后的想法
Qwen3.5-Max-Preview 的出现确实把国产模型推到了一个新高度。在 LM Arena 上能进入全球前列，这放在两年前是难以想象的。
但它也暴露了一些问题：比如官方对技术细节的披露不够透明（精确参数、训练数据等），以及在一些极端复杂任务上与国际顶尖模型仍有差距。
如果你打算在生产环境使用，我的建议是：先在具体任务上做充分的对比测试，不要只看排行榜。不同模型在不同任务上的表现差异可能很大，找到最适合你需求的才是关键。
参考资料
- Qwen3.5-Max-Preview 官方博客 – https://qwen.ai/blog?id=qwen3.5-max-preview
- LM Arena 排行榜 – https://lmarena.ai
- Qwen3.5-397B-A17B 模型卡 – https://huggingface.co/Qwen/Qwen3.5-397B-A17B
- NVIDIA 模型介绍 – https://build.nvidia.com/qwen/qwen3.5-397b-a17b/modelcard
- Artificial Analysis 评测 – https://artificialanalysis.ai/articles/qwen3-5-397b-a17b-everything-you-need-to-know
- 阿里云 Model Studio 文档 – https://www.alibabacloud.com/help/en/model-studio/models
- DataCamp 技术分析 – https://www.datacamp.com/blog/qwen3-5
- 南华早报报道 – https://www.scmp.com/tech/article/3347272/preview-alibabas-strongest-ai-model-tops-chinese-peers-ranking-lags-us-rivals
- VentureBeat 报道 – https://venturebeat.com/ai/qwen3-max-arrives-in-preview-with-1-trillion-parameters-blazing-fast
