模型选型

Qwen3.5：阿里通义的「全尺寸」攻势 2026 年 6 月，阿里巴巴发布 Qwen3.5 系列，这是 Qwen3 发布一年后的重大升级。最大亮点是「全尺寸覆盖」——从 0.8B 到 397B MoE，六个型号全面覆盖端侧到云端。 模型矩阵 型号 参数 激活参数 适用场景 Qwen3.5-0.8B 0.8B 0.8B 端侧、嵌入式 Qwen3.5-3B 3B 3B 手机、边缘设备 Qwen3.5-8B 8B 8B 单卡部署、中小团队 Qwen3.5-32B 32B 32B 高性能单机 Qwen3.5-72B 72B 72B 企业级部署 Qwen3.5-397B-A17B 397B 17B 旗舰，对标 GPT-5 核心技术改进 GQA + MLA 混合注意力：Qwen3.5 是第一个同时采用 Grouped Query Attention 和 Multi-head Latent Attention 的模型，在推理效率和长上下文能力之间找到最佳平衡点。 MoE 路由优化：397B-A17B 版本采用「动态专家容量」，每个 token 可根据难度动态分配专家数量（1-3 个），在保持推理效率的同时提升困难样本的处理能力。 中文能力再突破：在 C-Eval 2.0（2026 版）上达到 98.1%，创下新的 SOTA。特别是对于中文古文、方言、专业术语的理解能力大幅提升。 原生工具调用：Qwen3.5 原生支持 Tool Calling，不需要特殊 Prompt 格式。在 Berkeley Function-Calling 上达到 94.2%，开源模型第一。 ...

Llama 4：Meta 的开源反击能否成功？ Meta 在 2026 年 Q2 正式发布 Llama 4 系列，包含三个型号：Scout（17B）、Maverick（120B）、Behemoth（400B+ MoE）。这是 Meta 在开源大模型领域的全面反击，直接对标 Qwen3.5 和 DeepSeek V4。 模型家族 Llama 4 Scout（17B）：面向端侧和单卡部署，采用密集 Transformer 架构，支持 128K 上下文。 Llama 4 Maverick（120B）：旗舰密集模型，支持 256K 上下文，针对多模态优化。 Llama 4 Behemoth（400B+ MoE，激活 80B）：对标 GPT-5.5 和 Claude Opus 4.1 的旗舰型号，采用 MoE 架构。 架构创新 Early Fusion 多模态：Llama 4 采用 Early Fusion 视觉架构，图像 patch 在第一层就与文本 token 融合（类似 Gemini 4.0 的思路），而不是像 Llama 3.2 那样用单独视觉塔。 Grouped Query Attention V2：升级版 GQA，支持动态头数分配，在长上下文场景下 KV Cache 占用减少 60%。 ...

GPT-5 vs Claude 4 vs Qwen3 vs DeepSeek V3——四大旗舰模型横评，附不同场景选型建议。

GPT-4 级别推理成本一年降了 70%。本文拆解量化、MoE、投机解码三大降本利器。