Rilasciato Qwen 3.5: Modello open-weight con 397B parametri, costo ridotto del 60%
Alibaba ha appena rilasciato Qwen 3.5-397B-A17B. Questo è il primo modello open-weight della serie Qwen 3.5.
Dati chiave
- Parametri totali: 397B
- Parametri attivi: 17B per pass (MoE sparse)
- Throughput: 8.6x-19x superiore a Qwen 3-Max
- Costo: 60% inferiore a Qwen 3
- Supporto linguistico: 201 lingue (esteso da 119)
Non si tratta di una semplice sovrapposizione di parametri. È una ridefinizione dell'efficienza.
Innovazione architetturale
Qwen 3.5 utilizza un'architettura ibrida:
- Gated Delta Networks + MoE sparse
- Attenzione lineare ibrida: la maggior parte dei layer utilizza l'attenzione lineare, ogni 4 layer utilizza l'attenzione completa
- Multimodale nativo: non aggiunto in seguito, ma addestrato da zero
Su X ci sono analisi tecniche:
"Qwen3.5-397B-A17B: Hybrid linear attention + sparse MoE with large-scale RL environment scaling." — @Alibaba_Qwen
Il significato di questa architettura è: ottenere prestazioni simili a un modello da 400B con 17B di parametri attivi. Il costo di inferenza è notevolmente ridotto.
Affermazioni sulle prestazioni
Alibaba afferma che Qwen 3.5 ha superato:
- GPT-5.2
- Claude Opus 4.5
- Gemini 3 Pro
Tester indipendenti su X hanno iniziato a verificare:
"Qwen 3.5-397B dropped today... and the benchmarks are insane. Trading blows with Claude Opus 4.5 and GPT-5.2 across the board." — @antonpme
Ma la cosa più importante non sono i benchmark, ma le capacità di agent:
"The agentic capabilities are the real story here. Qwen 3.5 can interact with GUIs, not just understand them. That's the unlock for workflows that touch existing software." — @thebuildrweekly
L'era degli agent
Il posizionamento di Qwen 3.5 è chiaro: progettato per l'era degli agent.
- Può analizzare video di 2 ore
- Può eseguire autonomamente attività tra applicazioni
- Può comprendere le GUI e interagire con esse
"Qwen 3.5 can independently take actions across apps." — @thebuildrweekly
Ciò significa che non è un "chatbot", ma un "esecutore di compiti".
Panorama competitivo
Qualcuno su X ha riassunto le release AI di questa settimana:
"This might be the single biggest week in AI history: DeepSeek V4, Gemini 3.1 Pro, GPT-5.3, Qwen 3.5, Claude Sonnet 5." — @HeyAbhishek
Il ritmo dei produttori di modelli cinesi è chiaro:
- DeepSeek V4
- Qwen 3.5
- GLM 5
- MiniMax 2.5
Ogni settimana c'è un nuovo modello, e ogni volta si afferma di superare GPT. Non si tratta di marketing, ma di un'escalation della guerra dei costi.
Struttura dei costi
Il prezzo per token di Qwen 3.5 è solo 1/18 di quello di Gemini 3 Pro.
"Qwen 3.5 with performance comparable to Gemini 3, and a token price of only 1/18 of the latter." — @dyz_ob
Quando le prestazioni sono simili e il costo è solo il 5%, dove si trova il fossato dei modelli closed-source?
Conclusione
Qwen 3.5 non è il "GPT cinese". È un disgregatore della struttura dei costi:
- 397B parametri, ma ne attiva solo 17B
- Open-weight, implementabile localmente
- Capacità di agent, non solo conversazione
- Costo solo il 5% dei concorrenti
Su X c'è una previsione interessante:
"Qwen 3.5 Q4 版本只需要 225G，很有实用价值" — @janxin
225GB di memoria video, eseguibile su una singola macchina. Ciò significa che gli sviluppatori di piccole e medie dimensioni possono accedere per la prima volta a un modello di livello GPT-5.
Il vero problema non è se Qwen 3.5 possa battere GPT-5.3, ma: quando il costo dei modelli di punta scende quasi a zero, come fanno le aziende di AI a guadagnare?
