Qwen 發布了基於 Qwen3.5-4B 架構的微調開源權重模型 Qwen-Drive-1.0-4B，專為自動駕駛任務設計。該模型在保持原有視覺語言模型（VLM）架構不變的情況下，將 3D 感知、視覺問答和運動規劃整合在同一框架中，實現預訓練階段的感知問答與下游運動規劃的統一，允許在駕駛場景中進行端到端的多模態推理。
該模型是 Qwen3.5-4B 的微調版本，完整的 BF16 權重檢查點達到 9B 參數，但核心架構仍為 4B 變體。此發布突顯了中國 AI 實驗室利用開源權重模型擴展至機器人和自動駕駛領域的趨勢，為大型基礎模型提供了輕量級的替代方案，並展示了多模態能力如何有效應用於控制任務，可能降低 AI 整合至消費型車輛的門檻。
事件背景
視覺語言模型（VLM）是能夠處理視覺輸入（如攝影機畫面）和文字，以理解並生成語言的 AI 系統。在自動駕駛領域，這些模型正被廣泛用於解讀道路場景、回答環境相關問題以及規劃車輛移動，從傳統電腦視覺管線轉向更具彈性的推理型控制系統。
社群觀察
社群成員對該模型整合至消費型車輛的潛力表示好奇與興奮，甚至有人開玩笑說要將其安裝在自己的車上。同時，也有關於 LLM 如何透過基於 token 的控制輸出「接管方向盤」的具體機制討論。
