阿里千问开源自动驾驶视觉语言模型 Qwen-Drive-1.0-4B

阿里巴巴旗下的千问团队本周开源了 Qwen-Drive-1.0-4B，这是基于 Qwen3.5-4B 构建的自动驾驶视觉语言模型，也是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，同时保留了原始架构。

模型采用分阶段训练方案，结合驾驶监督与通用视觉语言数据，在获得驾驶能力的同时保留通用理解能力。Qwen-Drive-1.0-4B 提供 SFT 和 RL 两个规划专家，评测覆盖 3D 感知、场景理解及多种运动规划。

据官方介绍，该模型仅使用公开数据构建规划样本，统一了各数据集轨迹格式。SFT 模型在基准测试中表现竞争力，强化学习后，在人类偏好对齐和闭环安全性方面显著提升，仅以微小开环位移误差为代价。