- \n
- Qwen3.5-397B-A17B<\/strong>O modelo de peso aberto. A Alibaba fornece as especifica\u00e7\u00f5es principais do Hugging Face, como: 397 bilh\u00f5es de par\u00e2metros totais<\/strong>, 17 bilh\u00f5es ativados por token<\/strong>, e 60 camadas<\/strong>.<\/li>\n\n\n\n
- Qwen3.5-Plus<\/strong>A vers\u00e3o da API est\u00e1 hospedada no Alibaba Cloud Model Studio. A Alibaba indica que ela corresponde ao modelo 397B-A17B e adiciona recursos de produ\u00e7\u00e3o como uma janela de contexto padr\u00e3o de 1 milh\u00e3o de tokens<\/strong>, ferramentas integradas<\/strong>, e invoca\u00e7\u00e3o de ferramenta adaptativa<\/strong>.<\/li>\n<\/ul>\n\n\n\n
Essa distin\u00e7\u00e3o surge repetidamente em Reddit<\/a> discuss\u00f5es. Muitas pessoas confundem Mais<\/strong>, o modelo de peso aberto e as \u201cextens\u00f5es de ferramentas\/contexto\u201d, o que aumenta a confus\u00e3o durante a avalia\u00e7\u00e3o.<\/p>\n\n\n\n
O que eu considero as principais melhorias no Qwen 3.5<\/h2>\n\n\n\n
Eu divido as melhorias em duas categorias: mudan\u00e7as fundamentais no n\u00edvel do modelo<\/strong> e otimiza\u00e7\u00f5es de engenharia para efici\u00eancia<\/strong>. Mensagens p\u00fablicas<\/a> tamb\u00e9m destaca custo mais baixo<\/strong>, maior capacidade de processamento<\/strong>e um foco em IA agente<\/strong>.<\/p>\n\n\n\n
MoE extremamente esparso<\/h3>\n\n\n\n
MoE (Misto de Especialistas)<\/strong> Pode ser entendido como uma arquitetura de modelo com muitas sub-redes "especialistas". Durante a infer\u00eancia, um mecanismo de roteamento ativa apenas um pequeno subconjunto de especialistas, em vez de executar todos os par\u00e2metros a cada vez. Os principais benef\u00edcios s\u00e3o:<\/p>\n\n\n\n
- \n
- Contagem total de par\u00e2metros elevada<\/strong>: maior capacidade do modelo (mais padr\u00f5es o modelo pode representar).<\/li>\n\n\n\n
- Contagem de par\u00e2metros ativados pequena<\/strong>A computa\u00e7\u00e3o de infer\u00eancia est\u00e1 mais pr\u00f3xima de um modelo menor, o que pode melhorar a produtividade e reduzir custos.<\/li>\n<\/ul>\n\n\n\n
Para Qwen3.5-397B-A17B<\/strong>, os n\u00fameros divulgados publicamente s\u00e3o 397 bilh\u00f5es de par\u00e2metros totais<\/strong> e 17B ativado<\/strong>A Reuters tamb\u00e9m relata as alega\u00e7\u00f5es da Alibaba de Custo de utiliza\u00e7\u00e3o mais baixo e maior capacidade de processamento.<\/strong> Em compara\u00e7\u00e3o com a gera\u00e7\u00e3o anterior, isso inclui afirma\u00e7\u00f5es como "cerca de 60% mais barato" e capacidade aprimorada para lidar com cargas de trabalho mais pesadas.<\/p>\n\n\n\n
Ao avaliar o MoE na pr\u00e1tica, considero os benef\u00edcios de duas maneiras: (1) com o mesmo or\u00e7amento, \u00e9 poss\u00edvel usar um modelo de maior capacidade e (2) com a mesma meta de throughput, \u00e9 poss\u00edvel reduzir o uso de poder computacional. No entanto, esses ganhos dependem de roteamento robusto, paraleliza\u00e7\u00e3o e treinamento est\u00e1vel. Caso contr\u00e1rio, os sistemas MoE podem apresentar varia\u00e7\u00f5es de qualidade ou instabilidade de servi\u00e7o.<\/p>\n\n\n\n
Previs\u00e3o conjunta nativa de m\u00faltiplos tokens<\/h3>\n\n\n\n
Os modelos autorregressivos tradicionais preveem um token seguinte por passo<\/strong>O objetivo de previs\u00e3o conjunta de m\u00faltiplos tokens<\/strong> \u00e9 produzir previs\u00f5es para m\u00faltiplas posi\u00e7\u00f5es futuras<\/strong> em uma \u00fanica passagem direta, enquanto o modelo \u00e9 explicitamente treinado para manter essas previs\u00f5es consistentes.<\/p>\n\n\n\n
Eis o impacto pr\u00e1tico na velocidade de infer\u00eancia em termos simples:<\/p>\n\n\n\n
- \n
- Se o modelo conseguir "prever" e predizer v\u00e1rios tokens simultaneamente de forma confi\u00e1vel, e uma pol\u00edtica de aceita\u00e7\u00e3o mantiver apenas as sa\u00eddas de alta confian\u00e7a, ele poder\u00e1 reduzir o n\u00famero de etapas de decodifica\u00e7\u00e3o.<\/li>\n\n\n\n
- Menos etapas de decodifica\u00e7\u00e3o normalmente aumentam a taxa de transfer\u00eancia, especialmente para sa\u00eddas longas ou cargas de trabalho com contexto extenso.<\/li>\n<\/ul>\n\n\n\n
Alguns cart\u00f5es de modelo de terceiros<\/a> e os resumos do ecossistema tamb\u00e9m tratam de previs\u00e3o de m\u00faltiplos tokens<\/strong> como um fator importante por tr\u00e1s dos ganhos de desempenho do Qwen 3.5.<\/p>\n\n\n\n
\n
Ao avaliar essa t\u00e9cnica, foco em dois aspectos: se a estrat\u00e9gia de aceita\u00e7\u00e3o \u00e9 est\u00e1vel e como ela se comporta em condi\u00e7\u00f5es de amostragem de baixa e alta temperatura. Na minha experi\u00eancia, longas cargas de trabalho de pr\u00e9-preenchimento e alta concorr\u00eancia tendem a expor a instabilidade mais cedo.<\/p>\n<\/blockquote>\n\n\n\n
Multimodalidade Nativa<\/h3>\n\n\n\n
- Contagem de par\u00e2metros ativados pequena<\/strong>A computa\u00e7\u00e3o de infer\u00eancia est\u00e1 mais pr\u00f3xima de um modelo menor, o que pode melhorar a produtividade e reduzir custos.<\/li>\n<\/ul>\n\n\n\n
- Qwen3.5-Plus<\/strong>A vers\u00e3o da API est\u00e1 hospedada no Alibaba Cloud Model Studio. A Alibaba indica que ela corresponde ao modelo 397B-A17B e adiciona recursos de produ\u00e7\u00e3o como uma janela de contexto padr\u00e3o de 1 milh\u00e3o de tokens<\/strong>, ferramentas integradas<\/strong>, e invoca\u00e7\u00e3o de ferramenta adaptativa<\/strong>.<\/li>\n<\/ul>\n\n\n\n
![\"\"](\"https:\/\/www.iweaver.ai\/wp-content\/uploads\/2026\/02\/qwen-3-5-performance-benchmark-chart-comparing-qwen3-5-gpt-5-2-claude-opus-4-5-and-gemini-3-pro-1024x662.webp\")
<\/figure>\n\n\n\n