“四天三连发”，阿里AI步入“体系化”收割期。

Alibaba Token Hub（ATH）事业群成立后仅两周，阿里巴巴便以前所未有的速度接连发布了Qwen3.6-Plus、Qwen3.5-Omni、Wan2.7-Image三款重磅模型，在多模态、编程、文生图等核心赛道“连下三城”。

“四天三连发”的意义不只是模型常规的性能迭代，更是阿里AI在组织架构重塑后，一场目标明确的肌肉展示。

此前，受部分核心人员流动的影响，阿里巴巴的AI进展一度受到资本市场质疑。而此次模型的密集发布，无疑是对外界担忧最强有力的回应，它不仅向全球展现出阿里在AI领域的深厚底蕴与敏捷执行力，而且以实战成果进一步证实了ATH新组织架构的高效协同。

01. “体系化”研发的成果

回顾来看，此番震撼市场的“三连发”自三月底正式拉开帷幕。

先是3月30日，阿里巴巴发布了全模态原生大模型Qwen3.5-Omni，在长上下文、多语言、音视频理解能力上实现明显提升；同时，新增了语义打断、音色克隆、语音控制等实时交互能力。该模型在215项任务中刷新了SOTA纪录，多项核心指标甚至超越了Google的 Gemini-3.1 Pro。

紧随其后的是4月1日，千问大模型旗下的万相团队又带来了Wan2.7-Image。作为一款图像生成与编辑的统一模型，Wan2.7 在视觉还原度、光影逻辑及语义遵循上的表现极其扛打，是目前国产同类别模型中最接近全球顶尖水平的力作，填补了国产大模型在超高质量视觉生成领域的关键拼图。

就在市场惊呼“阿里速度”的同时，4月2日Qwen 3.6-Plus正式面世，主打智能体Agent、编程Coding和工具调用能力，相较于上一代实现了能力的全面跃升。在多项权威编程评测中，Qwen3.6均超越参数量是其两倍乃至三倍的GLM-5、Kimi-K2.5等模型，以更少的参数实现了更强的性能，成为国产模型中编程能力的标杆。

而在最新一期全球知名大模型盲测榜单LMArena旗下聚焦AI编程能力的Code Arena榜单中，阿里更是凭借Qwen 3.6-Plus摘得全球第二，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。

短短四天，三款方向完全不重叠的大模型迎来密集发布，且每一款都达到了全球顶尖水平。同时，悟空、Qoder等应用也第一时间完成了新模型的接入。这种广覆盖、高密度的发布节奏，放眼整个AI领域都堪称罕见。

如此横跨多维度的“阿里速度”，底层逻辑并非来自单一团队的单点突破，而是依赖于通义实验室内部长期多点布局、协同深入形成的集群化效应。这种效应一旦触发，便会迸发出难以逾越的技术惯性，最终迎来全面开花。

上述成果的集中兑现，标志着阿里AI正式步入更稳定、更具协同能力的“体系化”时代。它不仅从维度上印证了通义实验室技术底座的广度与厚度，更以极强的韧性证明：在完善的人才梯队与标准化工程范式支撑下，个别人员的流动并不会影响阿里巴巴的核心研发节奏。

02. 战略步调高度一致

如果说模型侧的爆发印证了研发的“体系化”，那么应用侧的火速跟进则展现了组织的“强协同”。

Qwen 3.6发布后的一个显著动向，是悟空、Qoder等AI应用第一时间官宣接入。这些应用均出自阿里新成立的ATH事业群，这种步调一致的集体动作，正是该事业群高效协同力的首次集中爆发。

过去的阿里，各个部门相对独立，模型研发、平台支撑与前端应用分散在不同业务单元。跨部门协同需要走复杂的流程，沟通成本高且战略重心难以统一。新模型发布后，应用团队往往需要数周才能完成适配，整个过程效率低，拖慢了模型到应用的适配速度。

但ATH成立之后，一切都发生了变化。ATH的核心目标被清晰地定义为“创造Token、输送Token、应用Token”。这一表述深度契合了“Token经济学”的底层逻辑——在AI时代，Token不仅是度量模型算力与产出的技术单位，更是驱动数字经济流转的“一般等价物”。

如今，ATH实现了资源的高度集中，不仅整合了集团内通义实验室、MaaS业务线、千问事业部、悟空事业部及AI创新事业部五大 AI 核心力量，还由集团CEO吴泳铭直接挂帅，从组织架构上彻底打通了从底层技术到商业变现的任督二脉。

从此次发布的 Qwen 3.6来看，其在多模态、文生图及编程等应用领域的卓越性能，正精准契合了ATH提升Token消耗量与商业化渗透的核心诉求。可以说，ATH的成立不仅为大模型的应用上量提供了坚实的基础设施，更标志着阿里AI已经进入了战略步调高度一致的“强协同”时代。

03. 为什么ATH能成？

ATH事业群所带来的强协同，正通过底层模型与上层应用的深度耦合，转化为阿里巴巴在AI落地层面惊人的爆发力。

当前，以“龙虾”为代表的智能体（Agent）赛道正处于风口，而阿里在这一领域的攻势尤为凌厉。得益于 ATH 成立后对底层技术与前端应用的深度整合，悟空、Qoder等产品在 Qwen3.6 发布后便同步推陈出新，这不仅展现出阿里对市场和用户需求的敏锐洞察，更体现了其在大模型实战化、产品化上的惊人反应速度。

而ATH之所以可以实现这种贯通，本质上离不开阿里长期以来深厚的人才培养机制。

早在2019年，阿里达摩院便基于BERT架构推出了预训练语言模型StructBERT，迈出了系统化探索的第一步。而阿里也因此成为国内最早进入大模型赛道的企业之一。

通过多年的人才培养和引进，通义实验室已经形成了完整的人才梯队与技术积淀，底蕴深厚，这让其在预训练、后训练、视觉、语音等领域拥有极其丰厚的技术积累。换句话说，千问大模型的成功本身就是基于通义实验室坚持“长期主义”的结果。这也意味着阿里在大模型竞争上的底气从来不是靠一两个天才驱动，而是成建制的人才兵团带来的。

另一组数据也从侧面说明了这个问题。在过去一年，尽管行业人才流动频繁，但通义实验室在GitHub、Hugging Face等技术社区的更新频率始终保持在国内第一梯队，模型迭代周期保持在“月级”甚至“周级”，模型能力始终处于全球领先水平。这种高频、高质量的产出本身就是阿里AI人才梯队稳固与研发体系成熟的最直接证据。

归根结底，大模型的竞争注定是一场拼底蕴、拼组织的马拉松竞赛。ATH成立短短两周内所释放的“阿里速度”，向外界传递出极其清晰的信号：拥有深厚技术沉淀与极致协同机制的阿里AI，不仅没有被外界的质疑声绊倒，反而以更强悍的姿态，重塑着中国大模型赛道的竞争格局。