Pada 16 Februari 2026 — bertepatan dengan momen malam Tahun Baru Imlek yang sangat mendapat sorotan — Alibaba mengumumkan peluncuran Qwen 3.5, iterasi besar berikutnya dari keluarga model bahasa besar dan multimodal andalannya.
Varian Qwen menutup kesenjangan dengan model sumber tertutup papan atas, sementara rilis Tiongkok lain seperti GLM-5 dan MiniMax M2.5 juga mendorong batas. Pada plafon tolok ukur murni beberapa konfigurasi proprietari (varian khusus GPT/Gemini/Claude) masih memimpin di ceruk sempit, tetapi kombinasi Qwen-3.5 berupa open weights, fitur agen multimodal, dan biaya operasional yang jauh lebih rendah menjadikannya kedatangan paling disruptif di awal 2026.
Apa sebenarnya Qwen3.5?
Qwen3.5 adalah generasi terbaru dari keluarga model fondasi multimodal berbobot terbuka dari Alibaba (open weights untuk beberapa varian ditambah tingkat tertutup/“plus” untuk penawaran berkinerja lebih tinggi) yang dirancang untuk alur kerja “agentik” — yakni model yang dapat memersepsi (visi + teks), menalar lintas banyak langkah, dan memicu alat atau tindakan. Pengumuman Alibaba membingkai Qwen3.5 sebagai lompatan kinerja + biaya dibanding Qwen3 dan varian sebelumnya, dengan kemampuan visi-bahasa/agentik bawaan dan dukungan jendela konteks besar.
Versi yang Dirilis
Alibaba merilis sedikitnya dua varian:
| Versi Model | Total Parameter | Parameter Aktif | Karakteristik Kunci |
|---|---|---|---|
| Qwen3.5-397B-A17B | ~397 billion | 17 billion | Andalan bobot terbuka; inferensi efisien; multimodal |
| Qwen3.5-Plus | ~3970 billion equivalent | ~170 billion | Varian kapasitas penuh yang dihosting di cloud untuk penggunaan API |
Apa Saja Fitur Kunci Qwen3.5?
Di bawah ini adalah ikhtisar terperinci tentang inovasi utama Qwen3.5 dan bagaimana perbandingannya dengan model sumber tertutup papan atas:
1. Arsitektur Hibrida dan Efisiensi Inferensi
Qwen3.5 menggabungkan:
- Lapisan MoE sparse — untuk penskalaan efisien
- Gated Delta Networks dengan atensi linear — untuk pemrosesan token yang lebih cepat
- Jendela konteks masif — hingga 1M token (dapat diperluas), memungkinkan rangkaian tugas panjang seperti video panjang atau basis kode tanpa kompromi placeholder
| Fitur | Qwen3.5 | GPT-5.2 | Claude Opus 4.5 | Gemini 3 Pro |
|---|---|---|---|---|
| Arsitektur | MoE + Gated Delta | Dense transformer | Dense transformer | Dense transformer |
| Panjang Konteks | Hingga 1M token | ~100–200K token | ~100–200K token | ~100–200K token |
| Multimodal (bawaan) | Ya | Ya | Ya | Ya |
| Bahasa Didukung | 201+ | ~100+ | ~100+ | ~100+ |
| Efisiensi Inferensi | Sangat tinggi | Sedang | Sedang | Sedang |
Penilaian: Arsitektur hibrida Qwen3.5 sangat cocok untuk inferensi token besar yang efisien, sebuah keunggulan kompetitif dalam penerapan dunia nyata di mana throughput dan biaya sangat penting.
2. Kapabilitas Agentik
“AI agentik” mengacu pada model yang secara otonom mengoperasionalkan tugas — mengambil keputusan, bertindak pada target GUI, atau menjalankan logika multilangkah tanpa perintah manusia.
Pengumuman resmi Alibaba menyatakan bahwa Qwen3.5:
- Menjalankan tugas multilangkah secara otonom di aplikasi seluler dan desktop
- Mendukung kerja agen visual, seperti manipulasi GUI dan pemahaman video
- Mencakup penalaran lanjutan dan perencanaan tugas
Ini memosisikan Qwen3.5 bukan sekadar LLM percakapan, melainkan sebagai fondasi untuk alur kerja AI otonom — saat ini merupakan frontier yang tengah berkembang dalam riset dan penerapan AI.
3. Multimodalitas dan Cakupan Bahasa
Salah satu fitur menonjol Qwen3.5 adalah kemampuan multimodal bawaan: ia menangani masukan teks, gambar, dan video secara mulus — ciri sistem AI generasi berikutnya. Selain itu, dukungan bahasa meluas drastis, kini mencakup 201 bahasa dan dialek (naik dari 119 pada Qwen3), sehingga memperluas kegunaan global.
4. Kecerdasan Multimodal
Berbeda dengan kebanyakan model bahasa tradisional yang hanya unggul pada teks, integrasi visi-bahasa Qwen 3.5 memungkinkan fungsi seperti:
- Pemahaman video panjang — dikabarkan mendukung hingga 2 jam input video kontinu.
- Penalaran dan interpretasi visual — untuk tugas seperti pengenalan gambar, pembuatan keterangan, dan interpretasi perintah visual.
- Sintesis GUI dan kode — misalnya, mengonversi mockup UI visual menjadi kode yang berfungsi.
Fitur-fitur ini memosisikannya bukan hanya sebagai LLM, tetapi sebagai fondasi multimodal untuk agen otonom.
Bagaimana kinerja Qwen-3.5 pada tolok ukur
Evaluasi Penalaran Inti dan Pengetahuan
Tabel berikut merangkum angka tolok ukur yang dipublikasikan, membandingkan Qwen3.5 dengan rekan proprietari utama:
| Tolok Ukur | Qwen3.5 | GPT-5.2 | Claude 4.5 | Gemini 3 Pro |
|---|---|---|---|---|
| MMLU-Pro (pengetahuan) | 87.8 | ~85+ | n/a | ~86+ |
| GPQA (penalaran tingkat PhD) | 88.4 | ~87 | ~87 | ~88 |
| IFBench (mengikuti instruksi) | 76.5 | ~74–75 | ~75 | ~74 |
| BFCL-V4 (agen umum) | >Gemini 3 Pro | Baseline | Di bawah Qwen3.5 | Lihat catatan |
- TAU2-Bench (eksekusi alat + penalaran): Qwen3.5 (varian 397B terbuka) — ~87.1; konfigurasi GPT-5.2 sering berada di kisaran 80-an tinggi–90-an pada suite TAU di tabel vendor.
- BFCL-V4 (pemanggilan fungsi/alat): Qwen3.5 — ~72.9; model tertutup papan atas di papan peringkat vendor menunjukkan nilai lebih tinggi (varian GPT-5.2 / Claude Opus berkisar ~77–78 untuk beberapa konfigurasi). BFCL mengukur pemilihan fungsi yang akurat, perakitan argumen, dan orkestrasi alat.
- VITA-Bench (interaksi agentik multimodal): Qwen3.5 — ~49.7; model tertutup pesaing menunjukkan sebaran: beberapa memiliki penalaran visual satu-modalitas lebih tinggi tetapi angka agen multimodal terintegrasi Qwen kompetitif.
- DeepPlanning (perencanaan horizon panjang): Qwen3.5 — ~34.3; DeepPlanning adalah uji yang lebih baru dan lebih berat berfokus pada perencanaan multi-hari dan langkah horizon panjang (makalah: arXiv). Skor di semua model frontier menunjukkan masih ada ruang perbaikan; nilai Qwen adalah peningkatan kemampuan agentik horizon panjang dibanding iterasi Qwen sebelumnya.
- MMLU / MMMLU / tugas pengetahuan: Qwen3.5 — MMLU/varian dilaporkan ~88–89 (angka vendor), menempatkannya pada lapisan tinggi untuk pengetahuan umum/penalaran dibanding versi Qwen sebelumnya.
Implikasi angka-angka ini: Qwen3.5 mencetak skor sangat baik pada papan peringkat alat multi dan agen multimodal (BFCL, varian TAU2, VITA), selaras dengan tujuan produk Alibaba (agen yang bertindak di aplikasi). Pada irisan penalaran standar atau pengkodean, model ini kompetitif tetapi bukan dominator mutlak di atas sistem tertutup terkuat — melainkan berada di tier teratas dan menutup celah di banyak area praktis. Qwen3.5 setidaknya menyamai atau sedikit mengungguli model sumber tertutup terdepan pada tugas-tugas tertentu — khususnya penalaran pengetahuan, pemahaman multimodal, dan alur kerja agen.
Apakah Qwen3.5 Mengungguli Model Sumber Tertutup Kelas Atas pada 2026?
Ini adalah pertanyaan utama — dan jawabannya memerlukan nuansa yang cermat. Sebagian besar analis AI netral akan mengkarakterisasi Qwen3.5 sebagai kompetitif dengan level tertinggi model sumber tertutup pada 2026, dan — dalam rasio biaya-ke-nilai dunia nyata — sering kali lebih unggul untuk banyak kasus penggunaan praktis, terutama ketika multimodalitas dan panjang konteks bersifat krusial.
Ya — Dalam Tolok Ukur Tertentu dan Metrik Biaya
Efisiensi dan Harga: Pada biaya token, kecepatan inferensi, dan keterjangkauan penerapan, Qwen3.5 jauh di depan.
Kinerja Tolok Ukur: Hasil yang dilaporkan menunjukkan Qwen3.5 menyamai atau melampaui GPT-5.2 dan Gemini 3 Pro dalam penalaran pengetahuan (MMLU-Pro) dan tolok ukur penalaran lanjutan. Dalam tugas agentik, ia mengklaim kinerja di atas Gemini 3 Pro dan GPT-5.2.
Kapabilitas Agen: Arsitektur Qwen3.5 tampak sangat kuat pada suite tugas agentik di mana multimodalitas dan konteks panjang penting. Dalam tugas agentik, ia mengklaim kinerja di atas Gemini 3 Pro dan GPT-5.2.
Skenario di mana Qwen-3.5 kemungkinan akan unggul
- Tumpukan inferensi skala besar yang peka latensi di mana peningkatan throughput langsung berubah menjadi penghematan biaya (misalnya, chat pelanggan volume tinggi, generasi kode massal). Klaim throughput Qwen-3.5 membuatnya menarik.
- Penerapan privat di tempat (on-premise) yang peka privasi di mana bobot terbuka dan fine-tuning lokal penting (kesehatan, sektor teregulasi). Lisensi terbuka mengurangi ketergantungan vendor.
- Pipa multimodal agentik yang terintegrasi dalam aplikasi proprietari di mana jalur visi-ke-aksi bawaan mengurangi kompleksitas integrasi dan meningkatkan tingkat keberhasilan end-to-end.
Harga dan Diskon: Efisiensi Biaya sebagai Keunggulan Kompetitif
Salah satu pembedaan paling dramatis Qwen3.5 adalah harga — baik biaya absolutnya maupun perbandingannya dengan sistem proprietari berbasis AS.
Harga API dan Token
| Model | Harga API per 1M Token | Indeks Biaya Relatif* |
|---|---|---|
| Qwen3.5-Plus (Alibaba) | ~0.8 CNY (~$0.11) | 1× |
| Gemini 3 Pro | ~14.4 CNY (~$2.00) | ~18× |
| GPT-5.2 | ~12–20 CNY (~$1.70–$2.80) | ~15–25× |
| Claude Opus 4.5 | ~12–15 CNY (~$1.70–$2.10) | ~15–18× |
*Dikonversi dari harga lokal yang dilaporkan; nilai perkiraan untuk konteks perbandingan.
Wawasan: Harga native Qwen3.5 — kira-kira 1/18 dari beberapa model proprietari — secara fundamental mengubah rasio biaya-terhadap-kinerja bagi ekosistem perusahaan dan pengembang. Biaya token yang lebih rendah secara dramatis mengurangi overhead penerapan, terutama untuk tugas inferensi volume besar.
Dampak Strategis dan Pasar
Kombinasi Qwen3.5 berupa lisensi terbuka (Apache 2.0), kapabilitas multimodal, kesiapan agentik, dan harga rendah dapat membentuk ulang pola penerapan AI global — terutama bagi pengembang internasional yang memprioritaskan biaya dan fleksibilitas.
Selain itu, rilis ini dapat mempercepat dinamika persaingan:
- Tekanan meningkat pada penyedia sumber tertutup untuk menawarkan harga lebih baik atau bobot terbuka.
- Adopsi AI yang lebih luas di sistem perusahaan lokal yang sebelumnya dibatasi oleh kendala biaya.
- Inovasi riset yang berkembang karena akses terbuka dan kontribusi komunitas di platform seperti Hugging Face dan ekosistem pengembang Alibaba sendiri.
Kesimpulan
Rilis Qwen3.5 pada malam Tahun Baru Imlek dapat dikatakan menetapkan tolok ukur baru dalam lanskap AI 2026. Sementara sistem proprietari seperti GPT-5.2, Claude Opus 4.5, dan Gemini 3 Pro tetap tangguh, Qwen3.5 menyamai atau melampaui kinerja mereka pada banyak tugas — dan melakukannya dengan biaya yang sangat lebih rendah serta kapabilitas multimodal yang luas.
Dalam evaluasi tolok ukur, banyak ukuran teratas menempatkan Qwen3.5 pada atau di atas tier kinerja model sumber tertutup teratas; dalam hal biaya dan efisiensi inferensi, ia secara meyakinkan lebih unggul.
Pengembang dapat mengakses Qwen 3.5 API melalui CometAPI sekarang. Untuk memulai, jelajahi kapabilitas model di Playground dan lihat panduan API untuk instruksi terperinci. Sebelum mengakses, pastikan Anda telah masuk ke CometAPI dan memperoleh kunci API. CometAPI menawarkan harga yang jauh lebih rendah daripada harga resmi untuk membantu Anda mengintegrasikan.
Siap Mulai?→ Daftar Qwen-3.5 hari ini !
Jika Anda ingin mengetahui lebih banyak kiat, panduan, dan berita tentang AI, ikuti kami di VK, X dan Discord!