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

9月7日，阿里千问宣布开源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，该模型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，并扩展至运动规划，同时完整保留了预训练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，该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。SFT模型在所有基准上已具备竞争力。经过强化学习后，模型以微小的开环位移误差为代价，换取了在人类偏好对齐和闭环安全性方面的全面提升。