ithome 汽车采集 2026-09-06T10:10:07+00:00

阿里千问开源Qwen-Drive-1.0-4B自动驾驶视觉语言模型

原始标题：阿里千问开源 Qwen-Drive-1.0-4B：首个面向自动驾驶的视觉语言基础模型

来源

ithome

发布时间

2026-09-06T09:15:06

采集批次

2026-09-06-10

字数

428

原始链接 https://ithome.com/0/998/997.htm

URL 指纹

10f5a6848422a58a

📌 AI 总结（287 字）

阿里千问团队开源了基于Qwen3.5-4B构建的Qwen-Drive-1.0-4B模型，号称首个面向自动驾驶的视觉语言基础模型。该模型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，同时保留通用视觉语言能力。采用分阶段训练方案，结合驾驶监督与通用数据，同时提供SFT和RL两个规划专家版本。评测覆盖3D感知、驾驶场景理解及开环、闭环运动规划等多维度。SFT模型在各项基准上已具竞争力，强化学习后虽开环位移误差略有增加，但在人类偏好对齐和闭环安全性方面提升显著。模型仅使用公开数据构建规划样本，已在GitHub、Hugging Face和ModelScope开放下载。

📄 正文（428 字）

IT之家9月6日消息，阿里千问本周开源了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。

官方表示，Qwen-Drive-1.0是首个面向自动驾驶的视觉语言基础模型，在预训练阶段统一了3D感知与视觉问答，并进一步扩展至运动规划，同时完全保留了预训练VLM的原始架构。

模型采用分阶段训练方案，将驾驶监督与通用视觉语言数据结合，在获得驾驶特定能力的同时，保留通用视觉理解与指令遵循能力。Qwen-Drive-1.0-4B同时提供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。

据介绍，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，并从开环预测到闭环驾驶进行全面评估。SFT模型在所有基准上已具备竞争力。经过强化学习后，该模型仅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。