作者 ｜ 駱軼航
郵箱 ｜ tluo@pingwest.com

2026年3月30日到4月2日，阿里巴巴旗下的通義實驗室密集發(fā)布了三個模型：

先是3月30日的 Qwen3.5-Omni，主打全模態(tài)交互。它在215項音視頻理解、識別、交互任務(wù)中取得最佳成績，多項測試超過 Gemini-3.1 Pro。支持圖片、視頻、語音、文字的輸入與輸出。其中，一個意外涌現(xiàn)的能力是“音視頻 Vibe Coding”：對著攝像頭口述需求，模型可直接生成帶 UI 的產(chǎn)品原型代碼。這算是 AI 編程的一個新境界。

然后是4月1日的 Wan2.7-Image，主打圖像生成與編輯。它在人類偏好盲測中文生圖能力排名國內(nèi)第一，接近了 Nano Banana Pro的水準。在告別 “AI標準臉”上也有突破，可以支持臉型和眼型等細節(jié)定制，也能精準指定顏色配比；在多圖多主體一致性上也大有進益。

最后是4月2日祭出的重磅作品 Qwen3.6-Plus，主打編程與 Agent。它在 SWE-bench 等多項編程評測中超過參數(shù)量2到3倍于它的 GLM-5和 Kimi-K2.5，是目前編程得分最高的國產(chǎn)模型，接近 Claude 系列水平。

編程能力的提升，讓 Qwen3.6-Plus 更適合“代理式編程”（Agentic Coding）。在實測中，Qwen3.6-Plus 可自主拆解任務(wù)、規(guī)劃路徑、寫代碼、測試修改，直至完成交付，在前端開發(fā)和倉庫級復(fù)雜任務(wù)中都能跑通?；诙嗄B(tài)訓(xùn)練，Qwen3.6-Plus 能看懂設(shè)計稿，進而生成前端代碼。它支持100萬 token 上下文，適配了Claude Code 和 Cline 等主流 Agent 框架。而旗艦版 Qwen3.6-Max 也將在近期發(fā)布。

這是通義實驗室在林俊旸、郁博文和惠彬原等骨干研究人員在3月初離職之后的第一次密集的模型發(fā)布，有著特定的信號意義，也意味著一次真正的變陣。

1

Model as an Agent

它首先試圖證明阿里巴巴和通義實驗室的模型研究能力是持續(xù)、可演進的，短期的人事震蕩沒有傷筋動骨，也反向促成了以 token 消費為出發(fā)點的架構(gòu)調(diào)整。

尤其是 Wan2.7-image——作為千問大模型旗下的圖像生成模型 Wan，此前在 AI 生態(tài)的輿論場的拋頭露面不像 Qwen 系列那么高頻，但 Wan 系列帶來的 token 消耗和實際 API 收入比 Qwen 系列更高，是一個很長時間以來被人們忽略的事實。

通義實驗室旗下的模型布局是多點的，Wan 不可或缺，這次 Wan2.7-image 與 Qwen3.6-Plus 和 Qwen3.5-Omni 幾乎同一時間對外亮相，也賦予了它應(yīng)有的地位權(quán)重。

而這輪模型發(fā)布透露的更重要的信號是：Agent 成為了阿里巴巴新模型的戰(zhàn)略重心。

Qwen3.6-Plus 主打 Agentic Coding，即代理式編程；Qwen3.5-Omni 涌現(xiàn)出音視頻交互的 Vibe Coding；生圖模型 Wan2.7 也強調(diào)可被 Agent 通過 skills 調(diào)用能力，它們指向的是同一件事：自主完成任務(wù)的能力，是衡量模型價值更重要的參照系。

Model as an Agent。

這個信號的釋放，與阿里巴巴在3月中旬成立 ATH 事業(yè)群 （Alibaba Token Hub）之后的一系列戰(zhàn)略調(diào)整與明晰，形成了緊密的強關(guān)聯(lián)。

一個無可爭議的共識是：AI 模型的發(fā)展已進入了推理引擎的階段。

而推理引擎“外化”的最直觀的產(chǎn)品形態(tài)，即是 Agent。對全球所有的基座模型玩家而言，“通用 Agent” 已經(jīng)是它們必須“內(nèi)化”的關(guān)鍵能力。

它可以是基于模型和工程化強大能力的自動化編程，也可以是 Computer Use 和 Phone Use，可以用 CLI 的界面呈現(xiàn)給專業(yè)開發(fā)者，也可以保留 GUI 界面給普通的生產(chǎn)力創(chuàng)造型用戶，但它們本質(zhì)上都是模型自帶的通用 Agent，是專業(yè)用戶和普通用戶消費 token 的 hub。

你甚至可以認為，token hub 就是 Agent。而 ATH，就是阿里巴巴 Agent，更準確點說，是阿里巴巴 Agent 能力的集合。

1

It's all about Token

順著這個思路，你就更容易發(fā)現(xiàn)千問大模型系列的這次密集發(fā)布，與此前的模型亮相背后有著哪些根本的不同。

首先，它前所未有地強調(diào)場景導(dǎo)向。

此前千問系列的模型，往往強調(diào)“綜合能力”的秀肌肉感—— MMLU、C-Eval、GSM8K 等等，都跑一遍，追求一個模型在所有維度的性能指標，都好看。

但這次的變化是：Qwen 3.6-plus 主打以編程為核心的 Agent 能力；Wan2.7-image 主打圖像生成與編輯的 Agent 可調(diào)用能力；Qwen 3.5-omni 主打多模態(tài)交互的 vibe coding Agent 能力。面向不同場景，又都是 Agent 能力驅(qū)動。它不再追求在一個通用模型上，什么都能干，大多數(shù) benchmark 都優(yōu)秀，而轉(zhuǎn)向在具體場景上，用不同的 Model as an Agent，完整地執(zhí)行不同的任務(wù)。阿里巴巴的千問大模型系列，開始用實戰(zhàn)表現(xiàn)而非綜合指標的排名，來定義模型的能力。

而實戰(zhàn)表現(xiàn)，最終指向的是 token 的消耗，從長期看，也就是收入的增長。

其次，它開始把千問模型定義為 Agent 的基礎(chǔ)設(shè)施。

一直以來，千問大模型，準確地說是 Qwen，在普通用戶和專業(yè)開發(fā)者的視角中，是兩個完全不同的東西。普通用戶覺得它是個免費的 chatbot，專業(yè)開發(fā)者覺得它是可以被靈活下載部署的開源模型，基于它衍生自己的模型，或開發(fā)自己的垂直 Agent。前者主要來自國內(nèi)，后者更多聚集在硅谷。但與 ChatGPT 和 Claude 不遺余力的 Agent 化演進不同，Qwen 一直也沒被廣泛地認為具有強烈的 Agent 屬性?，F(xiàn)在事情起了變化。

Qwen3.6-Plus 基于其被證明的 Agentic Coding 能力，已被明確設(shè)計為 Agent系統(tǒng)的推理引擎，而不是面向終端用戶的聊天工具。它與 OpenClaw 和 Claude Code等系統(tǒng)集成，充當推理層，這些工具負責執(zhí)行和交互，模型更像是一個核心引擎，而非一個模型成品。這也解釋了它具有100萬 token 上下文窗口的意義：聊天場景下，用戶一次消耗幾百到幾千 token，但 Agent 跑一個任務(wù)可能消耗幾十萬甚至上百萬token，100萬 token 的上下文可不是技術(shù)炫耀，而是 Agent 場景的剛需。

這應(yīng)該是千問第一次真正地有了自己的 Agent 推理引擎，實現(xiàn)了 Model As an Agent。在幾乎所有基座模型公司都意識到 Agent 才是調(diào)動 token 消費的第一生產(chǎn)力之后，千問也終于補上了這一環(huán)。

更重要的，是它第一時間接入了阿里巴巴的整個業(yè)務(wù)體系——更準確點說，是阿里巴巴的生產(chǎn)力業(yè)務(wù)體系。

過去，千問大模型的發(fā)布，就是發(fā)布模型本身，是通義實驗室自己的事。它面向的“客戶”，是全球的 AI 開發(fā)者，主陣地是 Hugging Face、GitHub 和 Reddit。阿里巴巴旗下的各個業(yè)務(wù)單元并未受到直接的影響，甚至不同的業(yè)務(wù)單元還有自己的模型。

但這次三個模型發(fā)布的同時，阿里內(nèi)部的 AI 應(yīng)用體系第一時間全面接入：由釘釘脫胎而生的 AI 原生企業(yè)工作平臺“悟空”、千問 APP 和編程工具 Qoder 都在同一星期接入了上述三個模型。通義實驗室的“客戶”，從全球幾乎是免費使用的開發(fā)者，變成了阿里巴巴內(nèi)部有 token 消費需求的生產(chǎn)力業(yè)務(wù)部門。至于內(nèi)部怎么結(jié)算，那是另外一件事。

這背后的推手當然是 ATH 事業(yè)群。它把算力層、模型層、應(yīng)用層并到一起，形成了“創(chuàng)造token（千問模型）、 輸送token（阿里云算力）和 消費token（悟空、千問 APP 等 AI 原生應(yīng)用）”的鏈路。千問大模型不再是一個孤立的業(yè)務(wù)單元，而是阿里 AI 業(yè)務(wù)體系的供給側(cè)基礎(chǔ)設(shè)施。至少，在模型和 Agent 能力第一時間接入內(nèi)部相關(guān)業(yè)務(wù)單元這一點上，阿里巴巴的做法已經(jīng)跟 Google 沒什么兩樣了。

這三點變化，配合三款“千問系”模型的發(fā)布，一個底層邏輯正在浮現(xiàn)，那就是“大家都來用千問大模型”已經(jīng)不夠了，現(xiàn)在需要的是：“大家都來用千問大模型，直接調(diào)用模型在不同場景下的 Agent 能力，直接完成工作，在千問上消費 token，給千問，包括阿里云甚至整個阿里巴巴，貢獻收入”。

模型是基石，Agent 是入口，模型與 Agent 驅(qū)動的 token 消耗，是增長引擎。

1

這個增長引擎轉(zhuǎn)得起來么？

在千問“三連發(fā)”之后的第二天，即2026年4月3日，Qwen 3.6-plus 在全球最重要的模型調(diào)用平臺 OpenRouter 上的調(diào)用量排名已位居第二。目前的第一名是小米的 MiMo-V2-Pro，一直靠免費占據(jù)頭籌。而 Qwen 3.6-plus 這次是收費的，每百萬 token 2元，盡管比 Claude API 便宜得多，但它考驗的是模型性能、Agent 引擎能力和綜合性價比的整體，全球的開發(fā)者和 AI 專業(yè)用戶都在這里用腳投票。

要知道，這恐怕是千問系列模型第一次在 OpenRouter 調(diào)用量榜單上排到前10的位置。千問不再只靠免費部署的開源小尺寸模型通吃開發(fā)者市場了，這是最重要的變化。與此同時，阿里云 AI 算力和存儲產(chǎn)品最高漲價34%，市場反應(yīng)目前呈現(xiàn)供不應(yīng)求。上下游互相拉動，正在形成商業(yè)閉環(huán)。

過去的一個月，通義實驗室、千問大模型乃至整個阿里巴巴的 AI 戰(zhàn)略被前所未有地放在聚光燈下審視：一些問題被暴露了，一些遺憾被留下了，一些動作被放大了。

但真正值得被關(guān)心的只有兩個問題：其一，千問還能不能持續(xù)地發(fā)布“能打”的模型；其二，千問能給正在爆發(fā)的 全球 token 消費市場帶來什么，能給阿里巴巴帶來什么。

現(xiàn)在來看，兩個問題都找到了答案。

點個“愛心”，再走 吧