发生了什么
Qwen 团队在 2026 年 5 月初发布了一种前所未有的混合推理架构——将 4B 参数小模型与 35B 参数大模型通过**新型求解器（solver）和辅助训练（auxiliary training）**深度耦合。
这不是简单的模型蒸馏或知识迁移，而是一个双脑协同系统：两个模型同时参与推理过程，各自贡献不同层次的理解能力。
架构拆解
为什么是 4B + 35B？
| 角色 | 模型 | 职责 | 参数量 |
|---|---|---|---|
| 快速思考者 | Qwen-4B | 模式识别、常识推理、快速筛选 | 4B |
| 深度分析者 | Qwen-35B | 复杂逻辑、长程推理、精确验证 | 35B |
这种分工模拟了人类”直觉 → 深思”的双系统思维模式（Daniel Kahneman 提出的 System 1 / System 2）：
- System 1（4B 模型）：快速给出初步判断，过滤掉明显不相关的思路
- System 2（35B 模型）：对 System 1 的候选方案进行深度验证和精细化
新型求解器的作用
传统混合方法（如 cascade、early-exit）是串行的——先跑小模型，不满意再跑大模型。
Qwen 的新求解器实现了真正的并行协同：
- 两个模型同时处理同一输入
- 求解器在中间层进行信息交换和注意力融合
- 辅助训练确保两个模型的表示空间对齐
性能表现
根据社区初步测试：
| 基准测试 | Qwen-35B 单独 | 混合架构 (4B+35B) | 提升 |
|---|---|---|---|
| MATH | 78.2% | 81.6% | +3.4% |
| GSM8K | 91.3% | 93.1% | +1.8% |
| 代码生成 (HumanEval) | 76.8% | 79.2% | +2.4% |
| 推理延迟 (P50) | 2.1s | 2.4s | +14% |
关键取舍：延迟增加约 14%，但在数学和编码等需要深度推理的任务上获得了 2-3% 的显著提升。对于不追求极致延迟的场景，这是非常划算的 trade-off。
为什么重要
1. 打破”越大越好”的直觉
业界长期以来的 scaling law 信仰是”参数越多，能力越强”。但这个架构表明：
聪明的架构设计可以用更少的参数达到更强的效果。
35B + 4B = 39B 参数的混合系统，在推理任务上已经逼近 70B+ 单体模型的表现。
2. 开源社区的架构创新
这不是单纯的堆参数，而是架构层面的创新。对于无法负担百亿参数模型的团队，这种混合方案提供了一个新的优化方向。
3. 与 27B 稠密版形成完整产品矩阵
Qwen 3.6 系列现在有三条清晰的产品线：
| 产品 | 架构 | 定位 |
|---|---|---|
| Qwen 3.6 Max Preview | 1T MoE (闭源 API) | 旗舰能力 |
| Qwen 3.6-27B | 稠密 (开源) | 单卡部署 |
| Qwen 3.6 混合 (4B+35B) | 双脑协同 (开源) | 推理增强 |
行动建议
- 如果你的场景以数学/逻辑推理为主：混合架构值得尝试，2-3% 的提升在竞赛和科研场景中意义重大
- 如果你追求低延迟：直接用 27B 稠密版更合适
- 如果你在构建 Agent 系统：可以将混合架构作为规划层（planner），27B 作为执行层（executor），形成更强大的推理管线
信息来源
- QwenLM 官方推文 (2026-05-02)
- Qwen Blog: qwenlm.github.io
- 社区基准测试汇总