千问把模型上下文扩到 1M token 而价格保持不变，超长文本处理的成本门槛明显下移，长文档任务能否落地主要取决于效果稳定性。

• 影响整本小说、多篇论文、仓库级代码等超长输入可按平价一次处理；官方自述长序列任务在真实应用中表现仍不够稳定；推理提速让 1M token 输入的首字等待降到约 1 分钟。
• 参考可考虑盘点业务中整本书、长报告或代码库级的输入场景，先通过 HuggingFace 或 ModelScope Demo 验证效果，再按 ¥0.3/1M tokens 估算接入成本。

开源代码模型在编码基准上追平 GPT-4o，企业搭建代码助手多了自托管选项，对闭源 API 的依赖可以降低。

• 影响研发团队可把代码补全和修复的部分负载转到自托管模型，代码数据留在内部；六个尺寸便于按算力预算选型；官方分数为自报口径，落地效果要结合自家代码库评估。
• 参考可考虑选一个内部代码补全或修复场景做小规模对比，记录与现用闭源服务的质量和成本差异；值得先盘点 GPU 资源能否承载 7B 到 32B 档位的部署。

阿里把通用、代码、数学模型一次性全尺寸开源，企业自部署可选的中文开源底座明显变多，跑分均为官方自评。

• 影响除 3B 和 72B 外均为 Apache 2.0，私有化部署的授权成本低；14B 与 32B 档位给出效果与算力成本的折中选项；官方基准为自评，采购选型前宜用自家业务数据复核。
• 参考可考虑把 14B 与 32B 档位加入私有化选型清单，用自有评测集与现用模型对比；走 API 路线的团队可先估算 Qwen-Plus 与 Qwen-Turbo 在目标场景的单次调用成本。

Qwen2.5 补齐 3B/14B/32B 等中等尺寸开源模型，评测数字逼近闭源和上代旗舰，企业用更小模型承担生产负载的空间变大。

• 影响中等尺寸开源模型意味着生产部署可选 14B/32B 替代 72B 以降低推理成本；多数模型采用 Apache 2.0 可商用，但 3B 和 72B 使用 Qwen 自有许可，采用前需做合规核查；128K 上下文和 8K 输出让长文档、结构化数据场景可用性扩大。
• 参考可考虑把新增的 14B/32B 列入自部署模型选型清单，与在用模型跑同套题对比成绩；端侧或移动场景值得试 3B 版本；生产采用前先核对 Qwen License 与 Qwen Research License 的条款。

7B 级开源代码模型在官方评测中超过更大规模的对比模型，企业获取代码能力的门槛和许可成本在下降。

• 影响Apache 2.0 许可允许企业把代码模型集成到自有研发流程并私有化部署；官方称 32B 版即将推出并瞄准闭源模型，现阶段基于 7B 的试点结论届时需要复测。
• 参考可考虑在代码补全、代码修复等场景用 7B 版做小范围试点，先算出与现有商业工具的效果和成本差；值得提前评估 32B 版发布后的部署资源需求。

数学专用开源模型以小参数量追平上一代大参数版本，垂直专用模型在单一任务上的性价比路线得到官方数据支撑。

• 影响教育、金融等含大量计算与解题的环节，可评估用开源专用模型本地部署以降低调用成本；官方性能均为自评口径，采购决策前要用自有题目复测；TIR 模式依赖代码执行环境，落地要配套相应基础设施。
• 参考可考虑先用官方 Qwen-Agent 的 TIR demo 在自有数学类任务上实测 7B 版本，对比现有通用 API 的准确率与成本；值得盘点业务中调用大模型做计算、解题的具体场景清单。

视觉理解能力进入开源可自持阶段，企业做文档、视频类多模态应用有了从 2B 端侧到 72B API 的成本梯度。

• 影响文档识别与视频问答类需求可用 7B 自部署压低单位成本，Apache 2.0 允许商用；视觉操作手机 UI 的智能体能力尚处演示阶段，接入业务流程前需按自有场景验证。
• 参考可考虑先选一个文档问答或票据识别场景，用 7B 与现有方案比对识别错误率再定试点；移动或边缘侧需求可评估 2B 版本；走 API 前先确认 DashScope 计费。

Qwen2-Audio 把语音理解和音频分析合并进单一开源模型，语音交互不再需要先过 ASR 转写环节。

• 影响开源权重让语音客服、录音分析等场景可低成本自建试点；现有版本音频长度在 30 秒内，更适合短语音输入；性能数字为官方自测口径。
• 参考可考虑下载 Qwen2-Audio-7B-Instruct 权重，在短语音客服或音频内容转写场景做小规模实测，先盘点业务中 30 秒以内的音频入口有哪些。

专用数学模型在数学基准上向通用闭源旗舰发起挑战，垂直领域预训练加强化学习的路线在推理任务上显示出竞争力。

• 影响金融、教育、工程计算等重数学场景多了一个 72B 级专用模型选项；基准成绩为官方口径，选型前需用自有题目实测；当前仅支持英文，中文场景要等双语版本。
• 参考可考虑整理一份业务自有数学题测试集，将 Qwen2-Math-72B-Instruct 与现用模型对比准确率；英文为主的场景值得先试点，中文需求可等双语版本发布后再评估。

Qwen2 以五个规模加更宽松许可开源，小模型私有化部署的商用门槛下降，开源模型竞争点转向长上下文与多语言。

• 影响除 72B 外的模型采用 Apache 2.0，私有化部署与二次分发的许可顾虑减少；多个规模可选，端侧与服务器部署可分开选型；官方称性能超 Llama-3-70B，自建部署与采购 API 的成本对比需要重算。
• 参考可考虑用 Qwen2-7B-Instruct 在中文或代码场景跑对比测试；值得先确认 Qwen2-72B 的 Qianwen License 商用条款再定部署方案；已有 Qwen1.5 部署的可评估迁移收益。

通义以新模型 Qwen-Max-0428 进入 Chatbot Arena 前十，把对话模型效果交给第三方榜单检验，同时开放 OpenAI 兼容接口。

• 影响企业选型国内对话模型多了一个进入国际榜单前十的候选；DashScope 兼容 OpenAI 格式，已有 OpenAI SDK 的应用迁移成本较低；现有分数为官方口径，接入前宜按自身场景实测。
• 参考可考虑用 DashScope 的 OpenAI 兼容接口做小范围接入测试，用自有业务问题集对比 Qwen1.5-110B-Chat 等现有模型；值得先在 Hugging Face Spaces 演示中跑通典型用例再定预算。

开源阵营在千亿档多了一个自评对标 Llama-3-70B 的选项，扩参数与扩数据两条路线的分歧被摆上明面，选型参照随之增加。

• 影响企业自部署在 100B 级开源模型上多了候选底座，官方给出 Transformers、vLLM、Ollama 等现成使用方式；110B 体量高于 72B，部署成本需按更高档位重新测算。
• 参考可考虑把 Qwen1.5-110B 与 Llama-3-70B 放进同一组选型评测，用自有业务数据跑中文场景对比；已用 72B 版本的团队值得先测算 110B 的硬件与推理开销再定升级。

开源代码模型在代码生成、改错和 SQL 场景已给出可与闭源产品对比的成绩，自建代码辅助的成本与数据顾虑有了新选项。

• 影响私有代码助手按席位收费和数据外发的顾虑，可用本地部署的开源模型部分缓解；64K 上下文面向仓库级代码理解，代码智能体是官方明确的投入方向；Text-to-SQL 能力可让不会写 SQL 的业务人员用自然语言查询数据库。
• 参考可考虑选内部代码补全或自然语言查库一个场景做小规模对比试用，再决定是否替换现有付费助手；值得评估 64K 长上下文在仓库级问答中的表现。

Qwen1.5-32B 补上 14B 与 72B 之间的中间档，官方用它同时回应 14B 能力不足和 72B 推理成本高两个痛点。

• 影响自部署场景多了一个显存与推理成本明显低于 72B 的中间选项；智能体等 14B 能力不足的应用可以用它补位；与 72B 的性能差距要按具体任务权衡。
• 参考可考虑在现有 72B 或 14B 服务上做一次替换对照，先算出显存、吞吐与单位推理成本的变化；值得用自家真实任务复测后再决定哪些场景迁移到 32B。

千问用混合专家稀疏架构把 7B 级能力的训练与推理成本同时压低，开源小模型的竞争重心转向单算力效率。

• 影响等量算力下官方口径吞吐提升 1.74 倍、训练成本降 75%，本地部署小模型的微调与推理预算可以重算；MoE 显存占用更高，transformers 与 vLLM 暂需源码安装，工具链兼容要先行确认。
• 参考可考虑选客服问答等高频推理场景，用单张 A100 做吞吐与质量对比测试；值得把 GPTQ-Int4 量化版和源码安装成本一并纳入试点评估。

Qwen1.5 把模型能力升级和接入成本下降打包在一起，官方将适配工作直接做进主流框架，换取开发者的迁移便利。

• 影响全尺寸开源加 Int4、Int8、AWQ、GGUF 量化版本，私有化部署和多尺寸选型的空间变大；小模型在 RAG 与长文本任务上的官方成绩可观，本地部署成本有下探空间；官方数据仍明显落后 GPT-4-Turbo，高端场景需要留出替代预案。
• 参考可考虑先拿业务测试题对比 Qwen1.5-72B-chat 与现有模型的表现；值得测算 7B 到 14B 量化版本在私有环境跑 RAG 的成本；接入前先核对 transformers 和 vLLM 等框架的版本要求。

通义千问把视觉语言模型推到与 GPT-4V、Gemini 正面比拼的位置，中文图文理解是其官方主打的差异化卖点。

• 影响文档抽取、表格识别、图表解读等含图业务的自动化处理多了国产模型选项；官方对比数字未经独立验证，选型前需按自有数据实测；模型已开放网页与 API 入口，小规模验证的接入成本不高。
• 参考可考虑选一类真实文档或票据场景，将 Qwen-VL-Max 与现有方案做同题对比后再定预算；值得先盘点业务中依赖图片文字识别的环节清单。

通义千问把开源模型铺成 1.8B 到 72B 的完整梯队，企业自部署有了按算力预算选型的空间，不再只有闭源 API 一条路。

• 影响微调显存门槛从 Qwen-1.8B 的 5.8GB 到 Qwen-72B 的 61.4GB，中小团队可先从小参数版本试起；官方性能口径未经独立验证，选型前要按自身场景实测；工具调用与 AgentFabric 为客服、文档处理类流程提供了自部署试点方向。
• 参考可考虑按官方显存表匹配自身算力，从 1.8B 或 7B 选一个业务场景起步试点；值得用自有数据复测长上下文与 function calling 表现，再决定是否扩大到更大参数版本。

中文图文检索此前缺少高性能开源模型，Chinese CLIP 把多模态中文底座做成了开源可选项。

• 影响图文检索类业务可绕开机器翻译环节，避免译文质量拖累下游效果；五个模型尺寸便于按算力预算选型；两阶段迁移方法也降低把 CLIP 迁到其他语言的训练成本。
• 参考有以文搜图需求的团队可考虑在自有中文数据上对比 Chinese CLIP 与英文 CLIP 加翻译两条路线的召回差异；选型前按五个版本的算力开销列一份试点清单。