一. 引言：参数的终结，智能的重生在 LLM 的发展史上，Qwen系列的迭代史就是一部**从“堆参数”到“提纯智能”**的教科书级演进史。从 Qwen-1 时代的跟随者，到 Qwen-3.5 时代的领跑者，Qwen 团队用同尺寸 Dense 模型性能的指数级跃升，向业界证明了一个核心命题：摩尔定律在 AI 领域并未失效，但它不再单纯依赖显卡数量，而是依赖“数据密度”与“后训练范式”。本文将以7B/32B等经典 Dense 尺寸为切面，横向拉通 Qwen-1、1.5、2、2.5 及 3.x 系列，深度剖析其在结构设计、训练方法及数据构成上的质变，并反向论述 Scaling Law 在新范式下的修正公式。二. 架构演进：在“不变”中寻找“万变”Qwen 系列的架构一直遵循“实用主义”，在 Transformer Decoder-only 的基座上进行了极其实用的微调。2.1 核心组件的代际对比组件/版本Qwen-1Qwen-1.5