阿里巴巴开源 Qwen-Drive-1.0-4B：面向自动驾驶的视觉语言基础模型

阿里巴巴开源了基于 Qwen3.5-4B 构建的自动驾驶视觉语言模型 Qwen-Drive-1.0-4B。该模型在保留原有视觉语言模型架构的同时，统一整合了 3D 感知、视觉问答和运动规划。其分阶段训练方案结合驾驶监督数据与通用视觉语言数据，旨在兼顾驾驶专属能力、通用视觉理解和指令遵循能力。模型提供 SFT 和强化学习两种规划专家，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。阿里巴巴表示，项目仅使用公开来源的规划数据。强化学习训练后，模型在人类偏好对齐和闭环安全性方面有所提升，但开环位移误差略有增加。

行业资讯应用行业新闻科技巨头 AI模型研究开源 2026-09-06 17:30:05 469 阅读阅读约 1 分钟来源：IT之家

本文来源：IT之家，仅供学习参考，版权归原作者所有。