ai/qwen3.5-safetensors
3970亿参数的混合专家（MoE）多模态大语言模型，仅激活170亿参数实现高效推理，支持262K原生上下文（可扩展至100万），支持201种语言和图像输入，适用于企业级复杂任务如文档分析、多轮对话和agent工作流。
让 AI 帮你使用轩辕镜像？ · 展开查看说明 · 点击收起说明
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具，协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题，请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这段话即可：
请先阅读并遵守：https://xuanyuan.cloud/agents.md
未读文档前不要生成 pull 命令或排错方案。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式，不推荐豆包 AI；Cursor 等编辑器可在对话 @ 该链接，或加入 User Rules。 若 AI 无法访问外链，可 打开说明文档 复制全文粘贴。文档会随站点更新，复制内容可能过期，建议定期检查。
Qwen3.5-397B-A17B
Qwen3.5-397B-A17B是阿里巴巴Qwen团队开发的前沿多模态大语言模型，代表了AI基础模型的重大进步。该模型采用混合专家（MoE）架构，结合门控Delta网络与稀疏专家路由，总参数达3970亿，推理时仅激活170亿参数。这种高效设计实现了高性能推理，同时将延迟和计算开销降至最低。
模型通过早期融合训练实现统一的视觉-语言能力，无缝处理文本和图像输入。Qwen3.5在百万智能体环境中进行大规模强化学习训练，具备强大的现实世界适应性，在推理、编码、智能体任务和视觉理解基准测试中表现卓越。原生支持201种语言和方言，提供真正的全球语言覆盖，兼具细致的文化和区域理解能力。
专为企业和研究应用设计，Qwen3.5-397B-A17B原生支持高达262,144 tokens，可扩展至100万以上tokens，适用于复杂长上下文任务，包括文档分析、多轮对话和智能体工作流。
特性
| 属性 | 值 |
|---|---|
| 提供商 | Qwen（阿里巴巴） |
| 架构 | 混合专家（MoE），含门控DeltaNet和门控注意力 |
| 总参数 | 3970亿 |
| 激活参数 | 170亿 |
| 上下文长度 | 262,144 tokens（原生），可扩展至1,010,000 tokens |
| 支持语言 | 201种语言和方言 |
| 输入模态 | 文本、图像 |
| 输出模态 | 文本 |
| 许可证 | Apache 2.0 |
| 模型类型 | qwen3_5_moe |
使用Docker Model Runner运行模型
bashdocker model run qwen3.5-safetensors
更多信息，请查看https://docs.docker.com/desktop/features/model-runner/。
架构详情
模型采用复杂的混合架构：
- 隐藏维度：4096
- 词汇量：248,320 tokens（含填充）
- 层数：60
- 层配置：15 × (3 × (门控DeltaNet → MoE) → 1 × (门控注意力 → MoE))
门控DeltaNet：
- 线性注意力头：V为64个，QK为16个
- 头维度：128
门控注意力：
- 注意力头：Q为32个，KV为2个
- 头维度：256
- 旋转位置嵌入维度：64
混合专家：
- 专家总数：512个
- 激活专家：10个路由专家 + 1个共享专家
- 专家中间维度：1024
基准测试
知识
| 基准测试 | GPT5.2 | Claude 4.5 Opus | Gemini-3 Pro | Qwen3-Max-Thinking | K2.5-1T-A32B | Qwen3.5-397B-A17B |
|---|---|---|---|---|---|---|
| MMLU-Pro | 87.4 | 89.5 | 89.8 | 85.7 | 87.1 | 87.8 |
| MMLU-Redux | 95.0 | 95.6 | 95.9 | 92.8 | 94.5 | 94.9 |
| SuperGPQA | 67.9 | 70.6 | 74.0 | 67.3 | 69.2 | 70.4 |
| C-Eval | 90.5 | 92.2 | 93.4 | 93.7 | 94.0 | 93.0 |
指令遵循
| 基准测试 | GPT5.2 | Claude 4.5 Opus | Gemini-3 Pro | Qwen3-Max-Thinking | K2.5-1T-A32B | Qwen3.5-397B-A17B |
|---|---|---|---|---|---|---|
| IFEval | 94.8 | 90.9 | 93.5 | 93.4 | 93.9 | 92.6 |
| IFBench | 75.4 | 58.0 | 70.4 | 70.9 | 70.2 | 76.5 |
| MultiChallenge | 57.9 | 54.2 | 64.2 | 63.3 | 62.7 | 67.6 |
长上下文
| 基准测试 | GPT5.2 | Claude 4.5 Opus | Gemini-3 Pro | Qwen3-Max-Thinking | K2.5-1T-A32B | Qwen3.5-397B-A17B |
|---|---|---|---|---|---|---|
| AA-LCR | 72.7 | 74.0 | 70.7 | 68.7 | 70.0 | 68.7 |
| LongBench v2 | 54.5 | 64.4 | 68.2 | 60.6 | 61.0 | 63.2 |
STEM
| 基准测试 | GPT5.2 | Claude 4.5 Opus | Gemini-3 Pro | Qwen3-Max-Thinking | K2.5-1T-A32B | Qwen3.5-397B-A17B |
|---|---|---|---|---|---|---|
| GPQA | 92.4 | 87.0 | 91.9 | 87.4 | 87.6 | 88.4 |
| HLE | 35.5 | 30.8 | 37.5 | 30.2 | 30.1 | 28.7 |
| HLE-Verified | 43.3 | 38.8 | 48.0 | 37.6 | -- | 37.6 |
推理
| 基准测试 | GPT5.2 | Claude 4.5 Opus | Gemini-3 Pro | Qwen3-Max-Thinking | K2.5-1T-A32B | Qwen3.5-397B-A17B |
|---|---|---|---|---|---|---|
| LiveCodeBench v6 | 87.7 | 84.8 | 90.7 | 85.9 | 85.0 | 83.6 |
| HMMT Feb 25 | 99.4 | 92.9 | 97.3 | 98.0 | 95.4 | 94.8 |
| HMMT Nov 25 | 100 | 93.3 | 93.3 | 94.7 | 91.1 | 92.7 |
| IMOAnswerBench | 86.3 | 84.0 | 83.3 | 83.9 | 81.8 | 80.9 |
| AIME26 | 96.7 | 93.3 | 90.6 | 93.3 | 93.3 | 91.3 |
通用智能体
| 基准测试 | GPT5.2 | Claude 4.5 Opus | Gemini-3 Pro | Qwen3-Max-Thinking | K2.5-1T-A32B | Qwen3.5-397B-A17B |
|---|---|---|---|---|---|---|
| BFCL-V4 | 63.1 | 77.5 | 72.5 | 67.7 | 68.3 | 72.9 |
| TAU2-Bench | 87.1 | 91.6 | 85.4 | 84.6 | 77.0 | 86.7 |
| VITA-Bench | 38.2 | 56.3 | 51.6 | 40.9 | 41.9 | 49.7 |
| DeepPlanning | 44.6 | 33.9 | 23.3 | 28.7 | 14.5 | 34.3 |
| Tool Decathlon | 43.8 | 43.5 | 36.4 | 18.8 | 27.8 | 38.3 |
| MCP-Mark | 57.5 | 42.3 | 53.9 | 33.5 | 29.5 | 46.1 |
搜索智能体
| 基准测试 | GPT5.2 | Claude 4.5 Opus | Gemini-3 Pro | Qwen3-Max-Thinking | K2.5-1T-A32B | Qwen3.5-397B-A17B |
|---|---|---|---|---|---|---|
| HLE w/ tool | 45.5 | 43.4 | 45.8 | 49.8 | 50.2 | 48.3 |
| BrowseComp | 65.8 | 67.8 | 59.2 | 53.9 | 74.9 | 69.0/78.6 |
| BrowseComp-zh | 76.1 | 62.4 | 66.8 | 60.9 | -- | 70.3 |
| WideSearch | 76.8 | 76.4 | 68.0 | 57.9 | 72.7 | 74.0 |
| Seal-0 | 45.0 | 47.7 | 45.5 | 46.9 | 57.4 | 46.9 |
多语言能力
| 基准测试 | GPT5.2 | Claude 4.5 Opus | Gemini-3 Pro | Qwen3-Max-Thinking | K2.5-1T-A32B | Qwen3.5-397B-A17B |
|---|---|---|---|---|---|---|
| MMMLU | 89.5 | 90.1 | 90.6 | 84.4 | 86.0 | 88.5 |
| MMLU-ProX | 83.7 | 85.7 | 87.7 | 78.5 | 82.3 | 84.7 |
链接
- https://huggingface.co/Qwen/Qwen3.5-397B-A17B
- https://qwen.ai/blog?id=qwen3.5
- https://chat.qwen.ai
- https://modelstudio.alibabacloud.com/
注意事项
- 计算要求：作为3970亿参数模型（激活170亿参数），推理需要大量GPU内存和计算资源
- 扩展上下文：模型支持通过扩展将上下文长度提升至100万tokens，但原生支持为262K tokens
- 托管服务：对于无需管理基础设施的生产部署，阿里云Model Studio提供Qwen3.5-Plus托管版本，默认支持100万上下文
- 多模态能力：支持文本和图像输入，适用于视觉-语言任务
- 工具使用：内置工具调用和函数执行支持，适用于智能体工作流
- 推理模式：支持带结构化推理轨迹的思考/推理模式
生成者
本模型卡片由https://github.com/docker/cagent-action自动生成。 想了解更多关于Docker Model Runner的信息？查看项目仓库：https://github.com/docker/model-runner。
镜像拉取方式
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本，请访问 标签列表页面。
轩辕镜像加速拉取命令点我查看更多 qwen3.5-safetensors 镜像标签
docker model pull docker.xuanyuan.run/ai/qwen3.5-safetensors:<标签>
DockerHub 原生拉取命令
docker model pull ai/qwen3.5-safetensors:<标签>
镜像拉取常见问题
功能
错误码
用户好评
来自真实用户的反馈，见证轩辕镜像的优质服务
oldzhang
运维工程师
Linux服务器
5
"Docker访问体验非常流畅，大镜像也能快速完成下载。"