Das Qwen-Team von Alibaba hat gerade die Qwen3.5 Medium-Serie veröffentlicht, drei Open-Source-Modelle, die eine der Kernannahmen der KI-Branche infrage stellen: dass Spitzenleistungen ein Cloud-Rechenzentrum erfordern. Das Flaggschiff läuft auf einer einzelnen Consumer-GPU mit 32 GB VRAM, verarbeitet mehr als eine Million Tokens im Kontext und übertrifft dennoch Modelle, die um ein Vielfaches größer sind, in wichtigen Benchmarks.
Alle drei Modelle werden unter der permissiven Apache-2.0-Lizenz ausgeliefert, was bedeutet, dass jeder – ein Startup, eine Agentur, ein Solo-Entwickler – sie herunterladen, ausführen, feinabstimmen und kommerziell einsetzen kann, ohne um Erlaubnis zu fragen. Diese Kombination aus lokaler Spitzenleistung und offener Lizenzierung ist die eigentliche Geschichte hier und verändert leise, woher KI-Antworten zu Ihrer Marke kommen werden.
Wichtige Erkenntnisse
- Qwen3.5-35B-A3B, das Flaggschiff, bietet über 1M Tokens im Kontext auf einer Consumer-GPU (32 GB VRAM), ermöglicht durch nahezu verlustfreie 4-Bit-Quantisierung – Fähigkeiten, die zuvor serverfähige Hardware erforderten. - In Benchmarks übertrifft es GPT-5-mini in mehreren Tests, übertrifft Claude Sonnet 4.5 in Wissen (MMMLU) und visueller Argumentation (MMMU-Pro) und schlägt Qwens eigenes Vorgängermodell 235B mit einem Bruchteil der aktiven Parameter. - Die Lektion ist architektonisch: Eine Hybridstruktur aus Gated DeltaNet und Mixture-of-Experts (MoE) zeigt, dass effizientes Design rohe Größe schlagen kann. - Für GEO: Günstigere, lokale, offene Modelle vervielfachen die Anzahl der KI-Oberflächen, die Fragen zu Ihrer Marke beantworten. Sichtbarkeit ist nicht länger ein Problem von ChatGPT und Gemini – sie fragmentiert sich über ein wachsendes Feld von Engines und Märkten und muss entsprechend verfolgt werden.
Was Alibaba geliefert hat
Die Qwen3.5 Medium-Serie umfasst drei Modelle, die jeweils für unterschiedliche Einsatzbereiche optimiert sind.
Qwen3.5-35B-A3B ist das Flaggschiff. Es verfügt über insgesamt 35 Milliarden Parameter, aktiviert jedoch nur 3 Milliarden pro Token, unterstützt über 1 Million Tokens im Kontext und ist für den Betrieb auf Consumer-GPUs mit 32 GB VRAM ausgelegt.
Qwen3.5-122B-A10B ist das Schwergewicht: 122 Milliarden Parameter insgesamt, 10 Milliarden aktiv, über 1 Million Tokens im Kontext, ausgelegt für serverfähige GPUs mit 80 GB VRAM.
Qwen3.5-27B ist die effiziente Option: ein kompaktes Modell mit 27 Milliarden Parametern, 800.000+ Tokens im Kontext, entwickelt für eine hochgradig effiziente und ressourcenschonende Bereitstellung.
Die herausragende Zahl ist die Kontextlänge des Flaggschiffs. Mehr als eine Million Tokens zu verarbeiten, bedeutete historisch gesehen, teure Serverhardware zu mieten. Qwen3.5-35B-A3B schafft dies auf einer GPU, die in eine Workstation passt, dank nahezu verlustfreier 4-Bit-Quantisierung, die den Speicherbedarf reduziert, ohne die Qualität zu beeinträchtigen.
