ai/qwen3.5-safetensors Docker 镜像 - 轩辕镜像 | Docker 镜像高效稳定拉取服务
ai/qwen3.5-safetensors3970亿参数的混合专家（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。
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Docker Model Runner文档。
架构详情
!架构基准
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
- Hugging Face模型仓库
- Qwen3.5博客文章
- Qwen聊天界面
- 阿里云Model Studio
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：[***]
ai/qwen3
Docker AI 官方镜像
Qwen3是通义千问系列最新推出的大语言模型，作为新一代人工智能技术成果，它专为顶尖级代码编写、数学计算、逻辑推理及语言处理任务打造，凭借先进的算法架构与深度优化的模型性能，能够高效应对多领域复杂场景下的专业需求，为用户提供精准、智能的解决方案，展现出在技术研发与应用落地中的卓越潜力。
117 次收藏50万+ 次下载
4 个月前更新
ai/gemma3
Docker AI 官方镜像
Google最新推出的AI模型Gemma，虽体型小巧却性能强劲，尤其在聊天交互与内容生成领域表现突出；其轻量化设计不仅便于高效部署，还能在保证响应速度的同时，持续输出高质量内容，为用户带来便捷且智能的使用体验，是一款兼顾小巧体型与强大功能的新一代AI模型。
52 次收藏50万+ 次下载
5 个月前更新
ai/gpt-oss
Docker AI 官方镜像
OpenAI的开源权重模型系列，设计用于强大的推理、代理任务和多用途开发场景，提供多种量化版本以适应不同资源需求。
40 次收藏10万+ 次下载
3 个月前更新
ai/llama3.2
Docker AI 官方镜像
LLaMA 3的此次稳定更新显著提升了模型性能，在编码开发、日常聊天及各类问答任务中均展现出可靠表现，能够高效处理多样化的用户需求，无论是辅助编写代码、进行流畅对话还是解答专业问题，都具备稳定且出色的任务执行能力，为用户提供了更为实用的人工智能工具支持。
25 次收藏10万+ 次下载
10 个月前更新
ai/smollm2
Docker AI 官方镜像
为速度、边缘设备和本地开发构建的小型语言模型
32 次收藏10万+ 次下载
5 个月前更新
ai/gemma3n
Docker AI 官方镜像
为低资源设备提供高效多模态AI，支持文本、图像、音频和视频处理。
10 次收藏5万+ 次下载
8 个月前更新
镜像拉取常见问题
使用与功能问题
错误码与失败问题
manifest unknown 错误：镜像不存在或标签错误
manifest unknown 错误
TLS/SSL 证书验证失败：Docker pull 时 HTTPS 证书错误
TLS 证书验证失败
DNS 解析超时：无法解析镜像仓库地址或连接超时
DNS 解析超时
410 Gone 错误：Docker 版本过低导致协议不兼容
410 错误：版本过低
402 Payment Required 错误：流量耗尽错误提示
402 错误：流量耗尽
401 UNAUTHORIZED 错误：身份认证失败或登录信息错误
身份认证失败错误
429 Too Many Requests 错误：请求频率超出专业版限制
429 限流错误
Docker login 凭证保存错误：Cannot autolaunch D-Bus（不影响登录）
凭证保存错误
账号 / 计费 / 权限
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。"