EVENT DOSSIER
2026 年 9 月 6 日，阿里巴巴通义实验室正式开源 Qwen-Drive-1.0-4B 模型。该模型基于 Qwen3.5-4B 构建，是全球首个面向自动驾驶的视觉语言基础模型。其核心创新在于预训练阶段统一了 3D 感知与视觉问答能力，并扩展至运动规划，同时完全保留原始架构。模型采用分阶段训练方案，结合驾驶监督数据与通用视觉语言数据进行训练，提供强化学习（RL）和 supervised fine-tuning（SFT）两个规划专家。官方评测覆盖 3D 感知、驾驶场景理解、通用视觉语言能力以及开环、伪闭环和闭环运动规划。所有规划样本均源自公开数据并统一了轨迹格式。经过强化学习优化后，该模型在人类偏好对齐和闭环安全性方面得到全面提升，尽管以微小的开环位移误差为代价。
阿里巴巴 Qwen-Drive-1.0-4B 全球首款自动驾驶视觉语言模型开源
阿里千问本周开源 Qwen-Drive-1.0-4B，这是首个面向自动驾驶的视觉语言基础模型。该模型基于 Qwen3.5-4B 构建，在预训练阶段统一了 3D 感知与视觉问答，并扩展至运动规划，同时完全保留原始架构。模型采用分阶段训练方案…
2 条报道9 月 6 日，阿里巴巴通义实验室正式开源 Qwen-Drive-1.0-4B 自动驾驶视觉语言模型。该模型基于 Qwen3.5-4B 构建，是全球首个面向自动驾驶的视觉语言基础模型。其创新性在于统一 3D 感知与视觉问答预训练，并扩展至运动规划，同时保留原 VLM 架构。评测覆盖 3D 感知、场景理解、通用视觉语言能力及开环/伪闭环/闭环规划。所有规划样本均来自公开数据，轨迹格式统一，强化学习后显著提升人类偏好对齐与闭环安全性。
阿里千问本周开源 Qwen-Drive-1.0-4B，这是首个面向自动驾驶的视觉语言基础模型。该模型基于 Qwen3.5-4B 构建，在预训练阶段统一了 3D 感知与视觉问答，并扩展至运动规划，同时完全保留原始架构。模型采用分阶段训练方案，结合驾驶监督与通用视觉语言数据，提供 SFT 和 RL 两个规划专家。官方评测覆盖 3D 感知、驾驶场景理解、通用视觉语言能力，以及开环、伪闭环和闭环运动规划。Qwen-Drive-1.0 仅使用公开来源构建规划样本，统一了各数据集的轨迹格式。SFT 模型在所有基准上已具备竞争力；经过强化学习后，该模型以微小的开环位移误差为代价，换来了在人类偏好对齐和闭环安全性方面的全面提升。