半个月前，阿里巴巴成立Alibaba Token Hub（ATH）事业群，外界的关注还停留在组织调整、人员变动、战略磨合这类问题上。没人会想到，这个新生的事业群已在本周以“日更”的方式三连发新模型。

3月30日，阿里发布千问新一代全模态大模型Qwen3.5-Omni，新模型在音视频理解、识别、交互等215项任务中取得SOTA表现。两天之后，又发布了图像生成与编辑统一模型Wan2.7-Image，此次更新重点解决生图“AI味”与“色彩盲盒”问题。

4月2日，阿里千问发布了新一代大语言模型Qwen3.6-Plus，相较上一代模型，千问3.6全面提升了编程Coding能力、智能体Agent能力，以及工具调用能力。

新模型有量也有质。

4月3日，全球知名大模型盲测榜单LMArena旗下聚焦AI编程能力的Code Arena公布新一期排名，Qwen3.6-Plus在全球榜单中排名第二，超越OpenAI、Google、xAI等国际巨头，成为该榜单上排名最高的中国大模型。

一周时间，阿里连续在全模态、生图、Agent编程三个当下最热的能力区间密集发力，折射出阿里AI组织的真实状态。外界担心的失速没有出现，相反，ATH完成阿里AI业务的快速整合后，把过去几年积累起的模型能力、人才梯队和产品线协同起来，以更密集的节奏完成迭代。

“日更”背后的体系厚度

过去三年，AI领域盛极一时的明星产品层出不穷，太多案例表明，随着行业步入深水区，如果没有体系厚度，哪怕再好的产品也难以持续领跑。

最近的案例当属Sora。OpenAI已确认，Sora的Web和App体验将于2026年4月26日停止，相关API也将在9月24日停用。

这款文生视频模型两位核心创始人Tim Brooks与Bill Peebles于今年初相继离职，导致团队士气低迷，研发节奏中断。此外，算力消耗高企、产品热度回落与公司战略重心转移向下一代模型，同样是Sora难以为继的因素。

曾被寄予厚望的明星模型步入终结，背后折射出的却是研发体系韧性的不足。过度依赖单点突破、个别团队、甚至关键人物，一旦节奏中断、方向调整，将会打断持续迭代的节奏。

真正有厚度、有耐力的AI研发体系从来不是只靠一个爆款模型撑场面，而是能在不同技术方向上多点布局、并持续深入，在长周期里保持稳定。ATH此番“三连发”，折射出阿里AI已经走到了不靠偶然运气与单点冲刺，而是底层研发体系成熟后的自然结果。

具体来看，本轮密集发布的模型中，阿里在三条最关键的技术赛道完成卡位。

Qwen3.5-Omni能够对音视频内容生成详细、可控的结构化描述，可识别语言数量多达113种。基于原生的多模态理解能力，这款新模型具备了音视频驱动的Vibe Coding能力，用户对着视频提出需求，模型便能理解其中的信息，进一步自主生成应用、网页、游戏等复杂产品代码。

图像生成与编辑统一模型Wan2.7-Image抬高了AI生图的标准。该模型不再停留于生图环节，还具备图像指令编辑和交互式编辑等全链路能力，自此告别千篇一律的“AI”脸。

Wan2.7-Image强化了虚拟形象捏脸功能，支持从骨相、眼眸到五官细微处的全方位定制，实现“千人千面”。针对生图领域的“色彩盲盒”问题，Wan2.7-Image提供“调色盘”功能，用户通过Hex Code，可以一键提取或输入参考图的各种颜色占比，自定义配色方案。

新一代大语言模型Qwen3.6-Plus（千问3.6）除了整体能力提升之外，最核心的突破是让代理式编程（Agentic Coding）变得可能。官方披露，千问3.6在多项权威编程与智能体评测中，都拿出了颇具竞争力的成绩。模型还支持百万Tokens的上下文窗口，并针对OpenClaw、Qwen Code、Cline等Agent框架进行了优化。

它能自主拆解任务、执行终端操作、完成长程代码工程，真正实现可落地的代理式开发。结合百万上下文与多模态理解，千问3.6可直接依据设计稿、界面截图生成并修改代码，让“氛围编程”从概念走向实用。

这一突破不仅提升开发效率，更把AI变成可直接调用的新型生产资料，大幅降低编程门槛，即便普通人也能用自然语言完成复杂开发任务，为企业智能化与AI原生应用落地筑牢底层能力。

三款模型各有主攻、互不偏科，分别落在全模态、文生图、编程Agent三条关键技术线上，且均达到领先的性能水平。这说明阿里AI的根基没有因为人员流动与组织调整而动摇，通义实验室并非单点强势，而是呈现多点布局、全面开花的情况。

模型迭代的效率与稳定性，来自长期沉淀的机制、平台、数据与流程。它可以稳定产出、持续迭代，甚至在组织整合后更快发力。三连发表明ATH整合之后，阿里AI以一个真正具备长期主义能力的纯血AI玩家的身份，站稳在全球竞争的主航道中。

跨越“实验室鸿沟”

模型迭代的三连发后，阿里内部的反应速度同样值得关注。

在三款新模型发布的窗口期，悟空、千问App等阿里AI应用和平台几乎压着哨声完成了接入。这种节奏上的合拍，业内鲜见。

过去两年多，研发侧热衷于卷榜单、刷参数、精进SOTA，产品侧则在消费市场或企业市场各自寻找应用切口。模型和产品像两条并行线，彼此都在向前跑，却很难真正咬合到一起。

无需枚举，自2023年大模型全面爆发以来，市场上从来不缺“发布即王炸”的明星模型。很多“前辈”模型在发布后豪取了一段时间的声量，过不了多久便淡出公众视野。原因便在于这些顶尖的技术成果没能快速接入产品中，转化为用户可感知的体验。

产品化的窗口期内，模型与产品实际上是“两张皮”。这种现象是行业中长期存在共性困境，导致创新成果在转化过程中遭受高额损耗。

ATH成立后的核心价值正在于此，它让阿里的AI产品线开始从发散走向收敛，模型能力可以在迭代后的第一时间快速进入业务场景中。

我们了解到，Qwen3.6-Plus发布后，将很快接入悟空、千问App等阿里AI应用和平台；Wan2.7-Image除了在阿里云百炼、万相官网开放体验，也已明确将接入千问App；Qwen3.5-Omni则同步提供Plus、Flash、Light三种API形态，直接面向开发者和企业开放调用。

模型团队把能力往前推了一步，产品线同步跟进，把这些能力迅速翻译成用户可以接触到的体验与功能。对阿里来说，这种节奏感本身就是一种信号：模型、产品与平台之间的链路正在缩短。

以悟空平台为例，接入Qwen3.6-Plus后，其背后的龙虾军团便具备了匹配Claude 4.5的智能体编程能力。这意味着智能体能够自主拆解业务需求，在终端环境中完成代码编写与修复。

从模型发布到应用落地的无缝衔接，证明了ATH并非简单的组织整合。它建立了一套从AI实验室到业务前台的价值传导机制：底层能力的每一次突破，都会借由这套机制，更快变成产品、平台和开发接口的共同底层。

AI时代下，组织效率成为将AI从昂贵的实验性技术，快速转化为高效率、高确定性的通用生产力的关键要素。关乎企业能否在快速迭代的基模竞争中，最大限度把握迭代的价值窗口。

近乎“零时差”接入平台不同产品线的模型，便是ATH组织效率的一个切面。“模型即产品”，这个业内反复被提起的口号，在阿里变成了更具体的现实。

全栈协同的生态复利

通过观察阿里这一轮从模型到业务的迭代，我们可以看到，ATH成立后，阿里AI的战略版图愈发清晰。

在模型即产品的逻辑之上，阿里更深层的意图在于构建一种全栈协同的生态复利。如果将模型视作一个独立的单体，其天花板终究有限。而真正的AI势能，在于将模型能力降维、打碎，并重新注入到所有的业务场景中，使其成为像水电煤一样的基础设施。

放眼全球，将Gemini穿透Workspace各项原子化能力与平台搜索业务的谷歌，便是生态复利的典型样本。

回看阿里，三连发的全新模型同样贯穿阿里业已铺开的业务线。尤其是作为阿里当前面向用户侧攻城略地的核心入口的千问，底层模型每往前推一步，千问及悟空等AI应用及平台层的能力就会随之往前推一步。

以全模态大模型Qwen3.5-Omni为例，它在音视频理解与实时交互等215项任务中取得了性能最佳的表现，在核心指标上已经可以与谷歌的Gemini 3.1 Pro一较高下。

底层能力的迭代同步扩张了千问App的半径。继年初的餐食外卖、商超便利后，千问能办的事越来越多，涉及更复杂的线下供给与交互场景。

如日前千问上线的打车功能，便需要完全理解用户通过自然语言表达的用车需求，并在一次服务中调用、理解基于LBS的路线地图、车型推荐、系统预估的价格与到达时间等完整的高德服务。

千问承接的是用户侧需求，悟空承接的是企业与组织侧需求，Qoder更贴近开发者和编程场景。面向三类不同用户，背后都是同一套不断进化的底层能力。

在这种统一底座对不同场景的穿透力之上，阿里还进一步把优势推进到了成本侧。

据了解，Qwen3.5-Omni在保持较强全模态能力的同时，API输入价格每百万Tokens不到0.8元，约为Gemini 3.1 Pro的十分之一。

在算力普遍涨价，AI云服务紧俏的当下，Qwen3.5-Omni难能可贵的性价比直接将技术红利转化为市场竞争力，将阿里的竞争优势从“资源层”推向了“模型智能层”。

当模型迭代显著优化了产品体验，体验的跃升会刺激更大规模的调用需求，而调用规模的持续放大，则反过来摊薄了研发与算力成本，并进一步放大阿里云作为AI基础设施的底座价值。

而对于拥有完整AI技术栈的阿里而言，三连发模型只是一个开始。把这些原本可能彼此并行、彼此分散的环节重新组织起来，让它们相互牵引，才是ATH的价值所在。

在“以智能带动算力”的飞轮带动下，阿里正在全球AI产业化的坐标系中，划出一条属于自己的确定性曲线。