Qwen3.5 397B-A17B
阿里巴巴· 2026-02-13 上线国产开源
综合榜暂不排名：评测成绩还不够
编程
—
科研
42.9
专业办公
31.8
知识问答
49.3
- 评测覆盖
- 4 / 25 项 · 16%
- 缓存输入
- —
- 输入
- ¥1.20
- 输出
- ¥7.20
价格：人民币 / 百万 Token。没有名次的领域是成绩还不够，暂不排名。
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierMath（1–3 级） | 31.2% | 36.0 | none | 66 |
| OTIS Mock AIME | 88.9% | 49.8 | 默认 | 87 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| APEX-Agents | 24.9% | 31.8 | 默认 | 49 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| GPQA Diamond | 86.4% | 49.3 | none | 84 |
仅展示（不计分）
这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| 国际象棋谜题 | 13.0% | 不计分 | none | 88 |
原始成绩取这个模型各个推理档位（none）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。 数据 10月16日 06:10 更新。