大家好，我是二哥呀。
这几天，大家应该都在忙着走亲访友，我昨天也是一口气串了6家亲戚，到家都已经晚上11点半了（离的都不远，在一个县城）。
主打一个串亲戚也要卷。😄
说到卷，各大AI厂商在春节假期也是狠狠卷了一把。比如千问就在除夕夜发布了千问 Qwen3.5，整体表现又大幅提升。
我今天也是抽出来时间测了一遍，得出的结论是：大厂是真的能卷，同时，国产大模型确实也在进步。
这篇测评，我会用三个春节主题的Case，带大家感受下 Qwen3.5-Plus 的真正能力。读完你就知道，为什么我敢说真香了。
先上个知识点：Qwen 系列相对其他模型有一个非常稀缺的标签——全尺寸开源。
真正自己部署过模型的小伙伴都知道，这个标签很难得。很多开源的模型，放出的都是参数量阉割过的版本，真正能打的都藏在闭源版本里。
千问不一样，从 0.5B 到 397B，全尺寸开源。
怎么证明它强？
一个很直观的看点就是 HuggingFace 的下载量。
这比什么注册个账号就能点赞的数据靠谱得多。
技术层面，千问团队也不是闷头干活的那种。
他们自研的门控技术（Gating 机制）相关成果，拿下了 2025 年 NeurIPS Best Paper。
NeurIPS 的含金量，不用多解释——这是全球 AI 顶级会议里的顶级奖项。能拿 Best Paper，说明千问团队在模型架构上的创新，已经得到了学术界的认可。
这个 Gating 机制的核心价值是：让模型在推理时更聪明地选择用哪些参数，而不是一股脑全上。
结果就是：推理成本下降 60%。
成本下降 60% 是什么概念？
假设一家公司部署一个模型，A100 机器 + 机房 + 电力 + 运维，一年成本在 150万 ~ 180万。
现在推理成本下降 60%，一年直接省下 90万 ~ 108万。
这个数字，对大厂来说可能不算什么。但对创业公司、中小企业来说，可能就是活下来和活不下来的区别。
另外，这里纠正一个容易混淆的点：Qwen3.5-Plus 是阿里巴巴的闭源版本，我们可以在通义千问官网直接体验；而 qwen3.5-397b-a17b 是开源版本，可以在 HuggingFace 下载部署。
两个模型能力接近，但定位不同。
闭源版适合直接用，开源版适合自己部署、二次开发。
今天我们测评的是 Qwen3.5-Plus，也就是通义千问官网的版本。
好，背景介绍完了，直接上实战。
第一个 Case，我让 Qwen3.5-Plus 帮我生成一个派简历网站——一个可以在线生成简历、上传PDF检测不足的工具。
Prompt 如下：
帮我生成一个派简历网站，要求：
- 可以填写基本信息、教育背景、专业技能、项目经历
- 支持上传PDF简历，自动解析内容
- 分析简历内容，检测出有哪些不足，给出优化建议
- 界面简洁专业，适合求职场景
- 移动端适配
这个需求，既考验前端开发能力，也考验AI的理解和规划能力。
注意，我是直接在Claude Code中接入Qwen3.5-Plus来完成的。
这比在官网直接访问，代码的质量更高，完成度也更高。底层模型的切换工具我仍然用的PaiSwitch，我自己Vibe Coding的一款工具。
代码已开源在GitHub：https://github.com/itwanger/PaiSwitch。
Qwen3.5-Plus 给出的方案，让我挺惊喜的。
它没有一上来就写代码，而是先启用plan模式调研需求。比如说简历分析功能是基于本地规则还是AI智能分析？需不需要简历导出功能，是导出PDF还是markdown？
代码的结构是这样的：
每一个功能的分析都是很完善的，比如说PDF解析会使用pdfjs读取，然后用正则表达式+NLP提取关键信息等。
确认没问题，我们就让Qwen3.5-Plus开始编码工作。
技术选型目前是纯前端实现，我认为没问题，第一版我们暂时也不需要后端交互。梳理一下我们想要Qwen3.5-Plus实现的核心功能：
- 表单联动预览：填写的内容实时渲染到右侧简历模板，改一处、看一处
- PDF上传解析：利用 FileReader API 读取文件，配合 PDF.js 提取文本内容
- AI诊断分析：把解析出的内容发送给大模型，让它从HR视角给出优化建议
等会看看它编码工作完成后，是否能够满足我们的预期。目前已经工作了7分钟了，消耗了18.2k token，还剩下两个任务没有完成。
吃口西瓜再耐心等待会。
不得不感慨，Claude Code这个名字确实没起好，它不仅仅是个coding的终端窗口，更是一个高智商的Agent，配上任何大模型的 LLM 就能工作，install、build、纠错、重新build，只要授权到位。
这些原本需要多个编码工程师才能完成的工作，Claude Code都搞定了。
虽然最终的编码工作还没有结束，但浏览器端已经可以看到雏形了。
风格我认为真的很不错。蓝灰色调，很简洁，历时 21 分钟，来看看完成度。
①、填写简历 - 在左侧表单中填写基本信息、教育背景、技能和经历
基本信息、教育背景的排版都是我认为OK的类型。
项目经历/实习经历/工作经历的填写我认为也是非常丝滑的，非常贴心的是，描述这里还有 star 法则。
②、查看预览 - 右侧实时显示简历预览效果
③、导入 PDF - 点击顶部导入 PDF按钮上传现有简历自动解析
④、分析简历 - 导航到分析步骤，获取智能改进建议
来看看给出的诊断结果：
- 手机号码格式不正确
- 个人总结过于简单
- 缺少专业技能
- 项目经历还有改进空间。
这个诊断，和我在星球里给小伙伴们改简历的思路几乎一样。
接下来是AI智能分析。这里需要提前在 .env 中配置API Key。
然后就可以把简历的情况发送给 LLM 进行诊断了。注意这里的提示词，会把简历的填写情况抽取出来作为提示词。
你是一位专业的简历顾问。请分析简历并提供专业建议。必须严格按照 JSON 格式输出。\n\n请分析以下简历，提供专业、具体的改进建议。\n\n## 简历内容\n\n### 基本信息\n姓名：（未填写）\n邮箱：（未填写）\n手机：（未填写）\n所在地：（未填写）\nGitHub: （未填写）\n网站：（未填写）\n个人总结：（未填写）\n\n### 教育背景\n（未填写）\n\n### 专业技能\n（未填写）\n\n### 工作/项目经历\n（未填写）\n\n## 分析要求\n\n请从以下维度分析这份简历
针对一份完全空白的简历，建议如下：
半个小时能开发出来这样一个可用的网站，我认为Qwen3.5-Plus已经很强了，后续配上后端，基本上就是一个完全可以开源出来的完整作品了。
成品率很高。
⑤、导出简历 - 点击导出按钮打印或保存为 PDF
这个 Case 测试下来，我对 Qwen3.5-Plus 的能力有了新的认知。
它不只是会写代码，而是真的理解简历这个场景，知道求职者需要什么、HR看重什么。
表单设计合理、交互流畅、诊断专业——这些能力的背后，是它对真实业务场景的理解。
接下来这个 Case 我们来换个角度——测测常识推理。
测试 Prompt：
我想去洗车，洗车店距离我家1米。你说我应该开车过去还是走过去？
这道题，看起来简单，但暗藏玄机。
1米，是个什么概念？正常成年人走 1 米，大概 1 秒。开车的话，上车、启动、开过去、停车，可能比走路还慢。
更关键的是：洗车店就在家门口，开车去洗车，是不是有点……多余？
Qwen3.5-Plus 的回答，让我有点意外：
它不只是回答走还是开，而是把整个场景都考虑进去了：或者，这可能不是洗车店，而是你家的车库？ 如果是这样，那你已经在洗车店里面了，不用动。
这道题测的不是知识，是常识。
AI 要答对，得理解洗车这个场景的真实流程，还得有基本的生活经验。
Qwen3.5-Plus 的表现，说明它不只是背数据，而是真的在"理解"问题。
除了上面测的这些，Qwen3.5-Plus 还有一些值得一提的能力：
- 支持上传文件、图像、视频、音频各种附件
- 支持深入研究、网页开发等技能
- 在代码补全、Bug 修复、项目重构等场景表现优秀
如果你是开发者，可以试试把它接进自己的工作流。如果你是普通用户，直接去通义千问官网体验就行。
测完 Qwen3.5-Plus，我最大的感受是：国产大模型，真的不一样了。
不是那种还能用的不一样，是可以打的不一样。
如果你在找一个能写代码、能推理、还能理解生活场景的 AI 助手，Qwen3.5-Plus 值得一试。
开源版本更是香，自己部署、二次开发，想怎么玩怎么玩。
【AI 做苦力，我们做创造。这才是 AI 时代的正确打开方式。】
国产大模型走到今天，靠的不是嘴上说说，是一代代模型的迭代，一个个真实场景的打磨。
千问团队用实际行动证明了一件事：中国开发者，也能做出世界级的开源模型。
日子还长，路还远。
但只要方向对了，就不怕走得慢。
如果这篇测评对你有用，记得点赞，转发给需要的人。
我们下期见！
回复