讀後筆記｜Qwen3.5：原生多模態 Agent 的下一個時代

本篇文章更新時間：2026/02/17
如有資訊過時或語誤之處，歡迎使用 Contact 功能通知或向一介資男的 LINE 社群反應。
如果本站內容對你有幫助，歡迎贊助支持 。

Qwen3.5：原生多模態 Agent 的突破與下一個時代

編輯前言：這篇文章來自 Qwen 官方最新發布的 Qwen3.5: Towards Native Multimodal Agents。身為一個長期關注大型模型演進的讀者，我認為 Qwen3.5 的亮點不只在跑分，而是「學習與推理方式」的根本性改造。以下是我從原文整理出的重點與思考。

核心觀點 (Key Takeaways)

• Qwen3.5 採用原生多模態架構，並非事後補丁式的 vision encoder，而是從架構層面就把視覺與語言相融合。
• 397B 參數但僅 17B 激活，得益於 Gated DeltaNet + 高稀疏 MoE，推論速度比同規模模型大幅提升。
• 全方位 RL 擴展，不是針對單一 benchmark，而是全面提升 agent 能力，使其在工具使用、搜尋、規劃等任務有跨代飛躍。

深入解析

Qwen3.5 官方文章其實講了很多細節，但我把它分成三個我認為最重要的方向：模型架構、訓練策略、以及 agent 方向的願景。

1. 模型架構：真正的「原生多模態」設計

原文提到：

“Built on an innovative hybrid architecture that fuses linear attention (via Gated Delta Networks) with a sparse mixture-of-experts…”

也就是說 Qwen3.5 不只是把 vision encoder 丟到 LLM 前面，而是讓語言與視覺在 attention 階段就直接融合。這件事情一般來說要大量算力支撐，但 Qwen 透過高稀疏 MoE（397B 總參數，啟動 17B）把成本壓下來。

這讓我想到最近大家在討論的「native multimodality」與過往 patch-based multimodality 的差異：

• patch-based：感覺像是把圖片強行塞給語言模型。
• native：讓模型「從一開始就理解影像也是語言的一部分」。

這在後面各種 STEM、空間推理、Video reasoning 的跑分中被充分體現。

2. 訓練策略：全面性的強化學習（RL）擴展

原文說明 Qwen3.5 的提升不是靠資料硬堆，而是靠「擴大 RL 任務的難度與多樣性」：

“Our approach placed strong emphasis on increasing the difficulty and generalizability of RL environments…”

這點我很有感。因為能當好 agent 的模型不只是要會「回答問題」，而是要：

• 看得懂工具回傳的訊息
• 設定子任務
• 長期規劃
• 在工具結果不完美時自我修正

這些東西都不是 supervised fine-tuning 能訓練出來的。Qwen3.5 在 BFCL-V4、DeepPlanning、Tool-Decathlon、MCP-Mark 等 Agent 評測全面拉升，就是很明顯的 RL 效果。

3. AI Agent 方向的願景

原文最後一段我覺得非常值得引用：

“The next leap requires shifting from model scaling to system integration: persistent memory, embodied interfaces, self-directed improvement, and economic awareness.”

意思是：模型變大已經不是重點，下一階段要解決的是：

• 如何讓 AI 有長期記憶？
• 如何讓 AI 具備跨多回合的自我改善能力？
• 如何讓 AI 具有「成本感」，能合理使用工具而不是亂花錢？

這些都是往真正 autonomous agent 的下一步，而非只是 Chatbot。

筆者心得與啟發

從 Qwen3.5 的敘述中，我看到一種「效率導向」的模型發展思路：

• 不盲目追求參數量
• 不盲目堆資料
• 重視工具使用、規劃能力、agent workflow

尤其是 hybrid attention + MoE 的架構設計，跟 OpenAI、DeepSeek 等近期路線其實有異曲同工之妙：都在追求以更低成本達成頂級能力。

另一方面，Qwen3.5 的 vision 能力也讓我很驚訝（例如數學視覺、空間推理、影片長上下文）。這顯示原生多模態架構真的比後期拼接式來得更強韌。

如果你是：

• 應用 AI agent 的開發者
• 想要用模型做搜尋、工具調用、Web automation
• 想尋找高效推論的企業模型

Qwen3.5 值得你深入研究。未來 AI 不會只是聊天，而是能持續工作、具備記憶、並長期執行任務的「數位夥伴」。而 Qwen3.5 無疑是朝這方向跨出的重要一步。