[控场AI]
模型Qwen 3.5-9B

Qwen3.5-9B

阿里巴巴开源的Qwen系列大语言模型中的9B参数版本,属于中等规模通用语言模型,适合推理成本与能力平衡的场景

核心事实

时间轴 (近 90 天)

10月19日

微软的Microsoft-Decision-1号称决策速度比GPT-6快35倍,其底模是阿里巴巴开源的Qwen3.5-9B。

待验证50%
10月19日

在Qwen3.5-9B模型上,SchemaShield-Lite在DICE-300基准上将准确率从0.717提升至0.813,恢复了22个漂移导致失败中的19个。

待验证50%
10月18日

Dory 在 SWE-bench Verified 上获得 61.8 分(4 次循环,NVIDIA 自测),Qwen3.5-9B 得分为 61 分。

待验证50%
10月18日

CARE 目前只在四个 LIBERO 套件和两个智能体(Qwen3.5-9B、Llama-3.1-8B)上得到验证。

待验证50%
10月15日

Cloudflare Clef系列全部开放权重:Clef基于Qwen3.8-27B,Clef-flash基于Qwen3.5-9B,Clef-omni是30B混合专家模型(激活3B参数)。

待验证50%
10月15日

在 LongBench v1/v2 和 MemoryAgentBench 上,NoteBank 也报告了改善,覆盖从三个 1.3B 研究模型一直到 Mamba-2-8B 和训练后的 Qwen3.5-9B。

待验证50%
10月15日

SpatialOPSD 通过自蒸馏将特权深度信息内化到 RGB 单次前向推理中,在 Qwen3.5-9B 上把空间推理准确率从 45.9 提升到 51.9。

待验证50%
10月14日

Coinbase 用开源 Qwen3.5-9B 微调出的反欺诈模型,在自家风控基准上击败了 Claude Opus 4.5。

待验证50%
10月14日

ReTerm 基于 Qwen3.5-9B 构建,得到的 ReTerm-9B 在 Terminal-Bench 2.0 上取得 34.8% 的 Pass@1,相比基座模型提升了 14.6 个百分点。

待验证50%
10月13日

Microsoft在Foundry中发布了Decision-1,一个经后训练的Qwen3.5-9B模型,专为单次决策评分设计,每百万输入token收费$0.042,输出免费。

待验证50%

还有 11 条时间轴事件

全部知识事实 (20)

待验证

在B200上,Qwen3.5-9B的LoRA SFT训练每步耗时从0.84秒降到0.77秒

70%
部分验证

Decision-1 已在 Microsoft Foundry 上线,定价为每百万输入 token 0.042 美元,输出免费

65%
待验证

微软的Microsoft-Decision-1号称决策速度比GPT-6快35倍,其底模是阿里巴巴开源的Qwen3.5-9B。

50%
待验证

在Qwen3.5-9B模型上,SchemaShield-Lite在DICE-300基准上将准确率从0.717提升至0.813,恢复了22个漂移导致失败中的19个。

50%
待验证

Dory 在 SWE-bench Verified 上获得 61.8 分(4 次循环,NVIDIA 自测),Qwen3.5-9B 得分为 61 分。

50%
待验证

CARE 目前只在四个 LIBERO 套件和两个智能体(Qwen3.5-9B、Llama-3.1-8B)上得到验证。

50%
待验证

Cloudflare Clef系列全部开放权重:Clef基于Qwen3.8-27B,Clef-flash基于Qwen3.5-9B,Clef-omni是30B混合专家模型(激活3B参数)。

50%
待验证

在 LongBench v1/v2 和 MemoryAgentBench 上,NoteBank 也报告了改善,覆盖从三个 1.3B 研究模型一直到 Mamba-2-8B 和训练后的 Qwen3.5-9B。

50%
待验证

SpatialOPSD 通过自蒸馏将特权深度信息内化到 RGB 单次前向推理中,在 Qwen3.5-9B 上把空间推理准确率从 45.9 提升到 51.9。

50%
待验证

Coinbase 用开源 Qwen3.5-9B 微调出的反欺诈模型,在自家风控基准上击败了 Claude Opus 4.5。

50%
待验证

ReTerm 基于 Qwen3.5-9B 构建,得到的 ReTerm-9B 在 Terminal-Bench 2.0 上取得 34.8% 的 Pass@1,相比基座模型提升了 14.6 个百分点。

50%
待验证

在 JetBrains 自报的评测中,12B MoE 的 Mellum2.1 在单次代码生成任务(LiveCodeBench、HumanEval+)上胜出,但在多步 agentic 基准(SWE-bench Pro、Terminal-Bench)上输给 dense 9B 的 Qwen3.5-9B。

50%
待验证

Microsoft-Decision-1基于阿里巴巴的Qwen3.5-9B进行后训练而成

50%
待验证

Microsoft-Decision-1定价为每百万输入token 0.042美元、输出不收费,纯文本,32k上下文

50%
待验证

微软声明Decision-1基于Qwen3.5-9B做后训练完成任务,并将很快把模型迁移到其他系统,包括Microsoft AI和OpenAI的模型

50%
待验证

微软在阿里巴巴开源的 Qwen3.5-9B 权重基础上进行后训练,专门执行单次决策评分任务

50%
待验证

Microsoft-Decision-1 由阿里巴巴的 Qwen3.5-9B 后训练而来

50%
待验证

9B 参数规模属于中等体量,在推理成本和能力之间取得平衡,适合高频调用的决策场景

50%
待验证

Decision-1 是从 Qwen3.5-9B 后训练而来的

50%
待验证

Microsoft在Foundry中发布了Decision-1,一个经后训练的Qwen3.5-9B模型,专为单次决策评分设计,每百万输入token收费$0.042,输出免费。

50%

来源文章