Say hello to MacBook Neo
第二，原生多模态设计取代了适配器拼接。 传统做法是先训练一个纯文本大模型，再通过适配器模块接入图像、视频、音频等能力。Qwen 3.5 采用了完全不同的架构：将视觉 token 和文本 token 在同一个潜空间中联合训练，从底层就是多模态的。这意味着它是一个天生就同时理解文字和图像的模型。这种架构在小参数量下反而更有优势，因为不需要额外的适配器开销。
。51吃瓜对此有专业解读
发展之路绝非坦途，更有涉滩之险、攻坚之难。
Фото: Табылды Кадырбеков / РИА Новости