阿里千问于本周开源了Qwen-Drive-1.0-4B，这是一款基于Qwen3.5-4B构建的自动驾驶视觉语言模型。据官方介绍，Qwen-Drive-1.0是首个面向自动驾驶的视觉语言基础模型，其在预训练阶段统一了3D感知与视觉问答任务，并进一步将能力扩展至运动规划领域，同时完全保留了预训练视觉语言模型（VLM）的原始架构。
该模型采用分阶段训练方案，将驾驶监督数据与通用视觉语言数据相结合。这一策略使得模型在获得驾驶特定能力的同时，保留了通用的视觉理解与指令遵循能力。Qwen-Drive-1.0-4B同时提供了基于监督微调（SFT）和强化学习（RL）的两个规划专家版本，官方评测覆盖了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等多个维度。
在数据构建方面，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，并建立了从开环预测到闭环驾驶的全面评估体系。官方数据显示，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。
此次开源延续了阿里千问在基础模型领域的开放策略。Qwen-Drive-1.0的发布为自动驾驶研发提供了新的技术路径，其统一3D感知与规划任务的设计思路，或将对智能驾驶系统的端到端训练方法产生影响。相关代码与模型权重已同步上线GitHub、Hugging Face及ModelScope平台，供研究社区使用。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
