2026年2月16日，农历除夕之夜，阿里云悄然发布了全新旗舰大模型——Qwen3.5(Qwen3.5-397B-A17B)。作为Qwen3.5系列的第一个大模型，Qwen3.5-397B-A17B是一个具有3970亿全量参数及170亿激活参数的原生Vision-Language MoE大模型，在通用能力、代码生成、长上下文理解、Agent推理、工具调用、多模态理解等核心场景实现全面跃升，成为当前开源社区综合能力最强的多模态大模型。

本次通义千问发布的Qwen3.5-397B开源模型是迄今参数量最大的开源多模态MoE模型，对跨芯适配、多机部署、精度对齐都带来新的系统挑战。依托面向多种AI芯片的统一开源系统软件栈众智FlagOS的跨芯能力，众智FlagOS社区在Qwen3.5模型发布后，即完成了397B MoE多模态模型的全量适配、精度对齐、及多芯片迁移，实现Qwen3.5在沐曦、平头哥真武、英伟达三种芯片的同步适配上线。

开发者速用指南：Qwen3.5新模型多芯版本一键获取 + 部署

FlagOS为Qwen3.5新模型提供了统一支持多种AI芯片的vLLM多芯片插件（vLLM-plugin-FL）适配版本，在保证高效推理的同时，统一支持多种芯片，为用户提供开箱即用的跨芯片Qwen3.5版本。目前在vLLM-plugin-FL的支持下，沐曦、平头哥真武等多种芯片已经实现统一接入，完成Qwen3.5 397B MoE旗舰模型的原生BF16版本的双机16卡推理部署，及充分验证。

使用源码进行安装部署，可参考以下官方一站式开发者文档，含详细代码示例与操作指引。

GitHub：https://github.com/flagos-ai/vllm-plugin-FL/blob/main/README.md

GitCode：https://gitcode.com/flagos-ai/vllm-plugin-FL/blob/main/README.md 

用户也可以直接拉取魔搭、HuggingFace等开源AI社区上FlagRelease组织账号发布的迁移版Qwen3.5-FlagOS模型文件、代码、和镜像。以下是迁移适配后的几种AI芯片的模型版本，开箱即用、无需迁移。

HuggingFace平台

• 沐曦版
  https://huggingface.co/FlagRelease/Qwen3.5-397B-A17B-metax-FlagOS

• 平头哥真武版

  https://huggingface.co/FlagRelease/Qwen3.5-397B-A17B-zhenwu-FlagOS

• NVIDIA版

  https://huggingface.co/FlagRelease/Qwen3.5-397B-A17B-nvidia-FlagOS

魔搭平台

• 沐曦版

  https://modelscope.cn/models/FlagRelease/Qwen3.5-397B-A17B-metax-FlagOS

• 平头哥真武版

  https://modelscope.cn/models/FlagRelease/Qwen3.5-397B-A17B-zhenwu-FlagOS

• NVIDIA版
  https://modelscope.cn/models/FlagRelease/Qwen3.5-397B-A17B-nvidia-FlagOS

开发者极致体验：“发布即多芯” + “零改码”

Qwen3.5新模型的跨芯适配版本从开发到部署，全程围绕开发者友好设计，解决了大模型落地过程中选芯难、适配繁、性能低、精度损四大核心痛点，让开发者真正实现 “一次开发，多芯运行”。

零改码适配：不改变原有开发与调用习惯

无论是模型原有接口、vLLM推理引擎使用逻辑，还是开发者的日常调用代码，均无需做任何修改，FlagOS通过底层插件与算子替换实现适配，开发者专注业务开发即可，无需重新学习硬件相关开发知识，大幅降低迁移与部署门槛。

精度零损失：核心能力与原生版本完全对齐

经ERQA、AIME等公认权威评测集全维度验证，FlagOS适配后的Qwen3.5新模型，在视觉语言理解、空间理解、语言理解、复杂推理等核心能力上，与CUDA原生版本得分基本一致，可放心应用于金融、教育、政企服务、代码开发等高精度要求场景，无需担心适配导致业务效果折损。

注：Qwen官方评测使用的AIME数据集是2026版，FlagOS版Qwen3.5新模型在Nvidia、MetaX和ZhenWu芯片硬件的评测使用2024版AIME数据集

极简部署：开箱即用，底层优化无感知

FlagOS将核心算子库、编译器等技术组件提前内置到Qwen3.5新模型代码框架中，开发者加载官方模型时，底层优化代码自动生效，无需手动添加任何FlagOS初始化代码。同时，基于FlagOS的大模型跨芯半自动迁移及发版工具FlagRelease，直接提供了多芯版Qwen3.5-FlagOS模型版本，无需用户迁移，真正实现 “开箱即用”；同时标准化Docker镜像 + 一键加速命令，解决了开发者最头疼的环境配置、效果对齐、性能优化等问题。

大模型核心基座：FlagOS四大技术支撑，实现Qwen3.5极速跨芯适配

Qwen3.5新模型能实现 “发布即多芯适配”，并非偶然。其背后依托众智FlagOS打造的统一多芯片AI系统软件栈，从算子层、编译层、框架层到工具层，全链路为大模型跨芯适配提供技术支撑，将原本数周的适配周期缩短至数天，真正实现极速落地。

• 统一多芯片接入插件 vLLM-plugin-FL：无缝兼容原生使用习惯

vLLM-plugin-FL是FlagOS为vLLM推理服务框架打造的专属插件，基于FlagOS统一多芯片后端开发，在完全不改变vLLM原生接口与用户使用习惯的前提下，丝滑实现Qwen3.5全系列模型的多芯片推理部署。目前vLLM-plugin-FL已经支持了华为昇腾、沐曦、平头哥真武、天数智芯、清微智能、英伟达等六家芯片。

• 高性能算子库 FlagGems：全量覆盖 + 专项优化，释放硬件算力

FlagGems作为FlagOS核心的高性能通用大模型算子库，基于Triton语言实现，全量覆盖Qwen3.5系列模型的PyTorch Aten算子，针对Qwen3.5的MoE专家调度、Attention计算、RMSNorm等核心计算模块做了手搓级专项优化，同时原生支持 NVIDIA、华为昇腾、沐曦、清微智能、天数等接近20家AI芯片。

• 统一AI编译器FlagTree：一次编写，多芯编译

FlagTree是FlagOS面向多AI芯片后端的统一编译器，基于Triton深度定制，可将Qwen3.5全系列模型的核心算子，编译为NVIDIA、华为昇腾、沐曦、清微智能、平头哥等十多种不同AI芯片后端可识别的指令，彻底解决不同芯片编译器生态割裂的问题，大幅降低算子跨芯片适配的开发成本。

• 大模型跨芯迁移发布工具FlagRelease：半自动实现模型跨芯迁移与版本发布

依托FlagOS全栈技术能力，FlagRelease平台已完成本次Qwen3.5开源的397B MoE旗舰模型的多芯片版本适配迁移、评测验证、自动打包与版本发布，覆盖 HuggingFace、ModelScope等主流开源社区，开发者无需关注底层硬件适配细节，即可一键拉取对应芯片平台的Qwen3.5优化镜像，实现开箱即用的部署体验。截至发布当日，FlagRelease已完成了数十个开源主流基座大模型在10多种不同 AI 硬件的适配迁移，是国内唯一的大模型跨芯片迁移适配及版本发布平台。

开源共建：众智FlagOS持续做开发者的 “跨芯适配技术后盾”

当下，“异构算力协同、大模型普惠落地” 已成为全球开源开发者社区的核心热点，打破硬件生态隔离、让大模型在不同算力平台高效低成本运行，是无数开发者的核心诉求。FlagOS从诞生之初就将开源开放、众智共建刻入技术基因，始终以开发者为中心，通过全栈开源的统一系统软件栈，把复杂的 “M×N” 硬件适配问题降维为 “M+N”，做每一位开发者最可靠的跨芯适配后盾。

全栈开源无保留，把技术主动权交给开发者

目前，FlagOS已形成完整的开源技术体系，所有核心组件均已开源在Github，同时开放了数十款最新的主流基础大模型、十多款AI芯片的适配方案与最佳实践，开发者可自由获取、深度定制。

• 四大核心技术库：FlagGems通用大模型算子库、FlagTree统一 AI 编译器、FlagScale训练推理并行框架、FlagCX统一通信库，覆盖算子开发、编译优化、并行计算、跨芯片通信全链路；

• 三大开源工具平台：FlagRelease大模型自动迁移发版平台、KernelGen算子自动生成工具、FlagPerf多芯片评测工具、提供从模型适配、性能评测到工程落地的一站式工具链；

• 全场景使能生态：vLLM-plugin-FL、Megatron-LM-FL、TransformerEngine-FL等框架增强组件，以及 FlagOS-Robo具身智能工具包，覆盖大模型训练、推理、应用全场景。

多路径参与共建，全层级开发者均可入局

我们为不同技术方向、不同经验层级的开发者，设计了低门槛、多路径的共建方式，无论你是 AI 开发新手，还是深耕系统软件的资深专家，都能在FlagOS社区找到自己的位置。

• 新手友好型参与：可在对应仓库提交 Issue反馈bug、优化建议，或是补充完善文档、撰写入门教程与最佳实践，也可参与社区技术交流、分享使用经验，零门槛开启开源之旅；（社区文档参考：https://docs.flagos.io/en/latest/）

• 深度技术共建：可参与FlagGems算子开发、FlagTree编译器优化、FlagScale框架迭代等核心代码贡献，也可为更多开源大模型、AI芯片完成适配优化，或是开发垂直场景解决方案，拓展FlagOS的技术与应用边界。

赛事与科研合作，释放你的技术创造力

我们为技术开发者搭建了全方位的能力学习与成长平台，欢迎开发者通过赛事、科研合作，一起探索 AI 系统软件的前沿技术，挑战技术极限。

• FlagOS 开放计算全球挑战赛：众智FlagOS社区联合北京智源人工智能研究院，开启总奖金池200万元的FlagOS开放计算全球挑战赛，设置算子开发、推理优化、自动数据标注三大核心赛道，无论你想挑战技术极限，还是赢取丰厚奖金，都能在这里大展身手。赛事官网参见：https://flagos.io/RaceDetail?id=295v67vw&lang=cn

• 产学研深度合作：我们与清华大学、北京大学、中科院计算所等顶尖高校院所建立深度合作，欢迎高校实验室、科研团队与我们联合开展技术研究、人才培养，共同推动AI系统软件领域的技术创新。

众智FlagOS的每一次技术突破，都离不开全球开发者的参与贡献，我们诚挚邀请每一位开发者加入，并承诺为所有参与共建的开发者提供全程技术支持、完整学习资源。一起推动AI芯片生态互联互通，让大模型技术在更广泛的算力环境中实现普惠落地！

-----------------------------------------------------------

关于众智FlagOS社区

为解决不同 AI 芯片大规模落地应用，北京智源研究院联合众多科研机构、芯片企业、系统厂商、算法和软件相关单位等国内外机构共同发起并创立了众智 FlagOS 社区。成员单位包括北京智源研究院、中科院计算所、中科加禾、安谋科技、北京大学、北京师范大学、百度飞桨、硅基流动、寒武纪、海光信息、华为、基流科技、摩尔线程、沐曦科技、澎峰科技、清微智能、天数智芯、先进编译实验室、移动研究院、中国矿业大学(北京)等多家在 FlagOS 软件栈研发中做出卓越贡献的单位。

FlagOS 是一款专为异构 AI 芯片打造的开源、统一系统软件栈，支持 AI 模型一次开发即可无缝移植至各类硬件平台，大幅降低迁移与适配成本。它包括大型算子库、统一AI编译器、并行训推框架、统一通信库等核心开源项目，致力于构建「模型-系统-芯片」三层贯通的开放技术生态，通过“一次开发跨芯迁移”释放硬件计算潜力，打破不同芯片软件栈之间生态隔离。

官网：https://flagos.io

GitHub 项目地址：https://github.com/flagos-ai

GitCode 项目地址：https://gitcode.com/flagos-ai