该模型基于Qwen3.5-4B构建，据称是首个面向自动驾驶的视觉语言基础模型，官方评测覆盖 3D感知、场景理解与闭环规划等能力。
AI解读：阿里千问开源的Qwen-Drive-1.0-4B试图解决自动驾驶模型既要看懂路况、又要听懂指令、还要能规划行驶轨迹的问题。过去这类能力往往分开训练，而官方称这是首个面向自动驾驶的视觉语言基础模型——在预训练阶段就把 3D感知和视觉问答统一起来，再扩展到运动规划，并且保留原始VLM架构，让模型在学会开车的同时不丢掉通用视觉理解。对车企或自动驾驶研究者来说，价值在于它只用了公开数据构建规划样本，还统一了各数据集的轨迹格式，降低了复现和适配的门槛；模型同时发布SFT和RL两个版本，后者强化了人类偏好对齐和闭环安全性，代价只是微小的开环误差。需要注意的是，这些说法均来自官方，评测是否覆盖真实路测并未在来源中说明，普通用户无需立即行动，但做仿真训练或数据研究的团队可以评估其基准表现是否满足需求。
IT之家 9 月 6 日消息，阿里千问本周开源了Qwen-Drive-1.0-4B，一款基于Qwen3.5-4B构建的自动驾驶视觉语言模型。
官方称首个面向自动驾驶的VLM基础模型
据官方介绍，Qwen-Drive-1.0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。
模型版本与评测范围
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，模型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。官方称SFT模型在所有基准上已具备竞争力；经过强化学习后，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。
- 模型已发布在GitHub、Hugging Face和ModelScope平台。