ITCOW牛新网 9月6日消息，阿里千问开源Qwen‑Drive‑1.0‑4B，该模型基于Qwen3.5‑4B打造，也是业内首个面向自动驾驶场景的视觉语言基础模型。
模型预训练阶段统一处理3D感知、视觉问答任务，还拓展至运动规划能力，完整保留原有视觉语言模型架构。它采用分阶段训练方式，融合驾驶监督数据与通用多模态数据，在掌握自动驾驶相关能力的同时，依旧保有通用视觉理解、指令跟随能力。该版本同时提供SFT、RL两套规划专家，评测维度包含3D感知、驾驶场景理解、通用视觉语言能力以及开环、伪闭环、闭环运动规划。
整套规划样本全部取自公开数据源，统一各类数据集轨迹格式，完成从开环预测到闭环驾驶的完整评估。SFT版本在各项基准测试已经具备不错竞争力；经过强化学习优化后，仅小幅增加开环位移误差，就显著提升人类偏好对齐水平与闭环行驶安全性。
开发者能够在GitHub、Hugging Face、ModelScope平台获取该模型相关资源。
文章导航
微信开源WeMM‑Embedding多模态嵌入模型，已在微信业务大规模落地
科大讯飞星火X2.5模型正式发布：293B‑A30B MoE，全国产平台训练
