模型
别名：通义千问
由通义实验室开发的大型语言模型。
已跟踪 3 条高相关材料
最近变化
2026-06-19 · LiteParse 在 ParseBench 上的表现优于 Qwen 3.5-9B 和 GLM-OCR。
为什么值得关注
Qwen 3.5-9B 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
2026 05 12 HackerNews
SuperTechFans · 9.2 分
硬件级认证正被滥用为垄断工具，本地AI应成常态以保障隐私与可控性，AI生成代码需人类主导架构设计以防技术债累积。
It's kind of crazy how well LiteParse does on markdown document parsing even compared against fronti...
Jerry Liu(@jerryjliu0) · 8.5 分
LiteParse 是一款无需使用 VLM 或 AI/OCR 模型的高性能 Markdown 解析器，其性能优于多个大型模型。
Running local models on an M4 with 24GB memory
Hacker News Best · 8.5 分
在配备24GB内存的M4芯片MacBook上，使用LM Studio运行Qwen 3.5-9B（q4_k_s量化版本）可实现约40 tokens/秒推理速度，支持128K上下文和工具调用，适合本地开发与研究任务。
已收录 3 条与 Qwen 3.5-9B 相关的内容，按评分排序。
Hardware attestation is being weaponized for monopolistic control; local AI should be the default for privacy and performance; AI-generated code requires human-led architecture to avoid technical debt.
入选理由：谷歌Play Integrity API强制硬件认证排斥GrapheneOS等安全系统，实为反竞争手段。
LiteParse 是一款无需使用 VLM 或 AI/OCR 模型的高性能 Markdown 解析器，其性能优于多个大型模型。
入选理由：LiteParse 在 ParseBench 上的表现优于 Qwen 3.5-9B 和 GLM-OCR。
Running Qwen 3.5-9B (q4_k_s quantized) on an M4 MacBook with 24GB RAM achieves ~40 tokens/sec, supports 128K context and tool use for local development.
入选理由：Qwen 3.5-9B (q4_k_s) 在M4 Mac上以40 tokens/秒速度运行，支持128K上下文和工具使用
