--- title: "阿里 Qwen3 一次放出整架模型梯子，手机到数据中心一套架构通吃" date: 2026-11-10 category: AI大模型 site: 脑机网 canonical: https://aiai.cafe/a/njw-7b5ec7 language: zh-CN --- # 阿里 Qwen3 一次放出整架模型梯子，手机到数据中心一套架构通吃 > 一个模型家族现在能同时跑在手机、机器人和数据中心机架上。深圳的一名开发者可以同一套"大脑"既装进一副智能眼镜，又装进一个云端智能体，然后在不重写应用的前提下切换大小。旧规则——选一家厂商、拿一个模型、按次付费——开始显得 一个模型家族现在能同时跑在手机、机器人和数据中心机架上。深圳的一名开发者可以同一套"大脑"既装进一副智能眼镜，又装进一个云端智能体，然后在不重写应用的前提下切换大小。旧规则——选一家厂商、拿一个模型、按次付费——开始显得像给全公司只买一个鞋码。 ## 关键要点 - Qwen3 于 2025 年 4 月 29 日发布，覆盖八种基础规模：六个稠密模型（0.6B 到 32B）和两个混合专家（混合专家，MoE）模型（30B-A3B 与 235B-A22B）。 - 每个模型都以 Apache 2.0 许可证开放权重，企业可自行托管、修改并商业化，无需按 token 付费。 - "混合"设计让每个模型能在应对难题的"思考模式"（思考模式）与应对闲聊的快速非思考模式间切换——可通过 API 控制，思考预算最高约 38K token。 - Qwen3 在 36 万亿 token 上训练（Qwen2.5 的两倍），覆盖 119 种语言，原生支持工具调用与 MCP，适配智能体工作流。 ## 为什么是梯子，不是旗舰 多数实验室只发布一个大模型，把小模型悄悄留给内部用。阿里在 Qwen3 上反其道而行：它一次性把整段楼梯都开源了。最小的 Qwen3-0.6B 小到能跑在笔记本或嵌入边缘设备；最大的 Qwen3-235B-A22B 每 token 仅激活 235B 参数中的 22B，让万亿级大脑也能被单台服务器触及。 逻辑是生态，不是虚荣。手机厂商想要一个能塞进内存的 4B 模型；银行想要一个能推理合同的 235B 模型。用同一套架构、分词器和工具接口同时给到双方，阿里降低了在 Qwen 上构建的成本，也抬高了离开它的成本。在任何一种规模上训练出的应用，都能平滑迁移到下一代。 ## 混合思考模式 Qwen3 的招牌特性，是在同一个模型内翻转两种行为。在思考模式（思考模式）下，模型先花 token 走一段显式推理链再作答——对数学、代码和逻辑有用。在非思考模式下，它对普通闲聊快速回应。开发者可通过 API 把"思考预算"上限设在约 38,000 token，按需用延迟换取严谨。 这一点之所以重要，是因为推理过去意味着一个更重的独立模型。Qwen3 把两者折进同一次下载，产品团队就不必维护两套系统。公司宣称 235B 旗舰在代码与数学上能与 DeepSeek-R1、OpenAI 的 o1、o3-mini、Grok-3 和 Gemini-2.5-Pro 竞争——在独立基准验证前，这应被视为营销主张，但它标出了开放前沿的去向。 ## 为智能体而建，不只是聊天 Qwen3 在 36 万亿 token 上训练，是 Qwen2.5 语料的两倍，其训练后阶段强调工具使用。它原生支持模型上下文协议（MCP），并具备强大的函数调用，公司称其在复杂智能体任务上领先开放模型。对一个以中国为观察重心的站点而言，这才是安静而重要的部分：这些模型不只是聊天机器人，它们被设计成调用 API、查询数据库、串联步骤——也就是人人都在许诺的"智能体"（智能体）应用的地基。 多语言能力也是差异化点。覆盖 119 种语言与方言，Qwen3 被明确打造成全球的开放默认选项，而非只服务于中文的工具。这把可触达的开发者群体，远远扩大到国内之外。 ## 开放权重（开放权重）的商业逻辑 Apache 2.0 是宽松许可证：无版税、衍生产品无需强制署名、允许商用。阿里并非出于慈善送出王冠上的宝石。策略是让 Qwen 成为默认基座，于是云用量、微调服务和企业支持才变成收入——与红帽为 Linux 打磨出的同一套打法。当模型免费，护城河就转移到它周围的平台。 李锚，脑机网（BrainNet）首席科学家说："宽松的开放许可证，是模型实验室能买到的最便宜的客户获取渠道——每一次下载，都是一次未来的付费部署。"对竞争对手的风险在于，开发者会在闭源对手来得及推销切换之前，就先在 Qwen 的接口上完成标准化。 ## 诚实的局限 训练 token、语言数量和上下文长度的数字，来自阿里的官方发布材料；对这些数字的独立审计尚未公开。与 o1、Gemini-2.5-Pro 等对手对比的基准主张属于公司自己，应作为定位而非已验证排名来读。本文未评估 Qwen3 的安全行为、多语言偏见，或规模化下的真实智能体可靠性，也未涵盖随后发布的独立的 Qwen3-Coder 或视觉/多模态版本。"开放权重"在此指权重已发布，不意味着完整的训练数据或配方必然公开。 ## 普通人现在能做什么 1. 按硬件挑一个 Qwen3 规模：本地原型先用 4B 或 8B，生产级推理再上 32B 或 235B-A22B 这套 MoE。 2. 在你最棘手的任务上试混合思考模式并设定思考 token 预算——你或许只在真正需要时拿到 o1 级推理，从而在其他地方压低成本。 3. 在 Qwen3 原生的 MCP/函数调用之上构建智能体，而不是事后硬接工具调用；这个接口本就被设计成标准，能保护你的代码免于厂商锁定。 --- 来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-7b5ec7 本内容仅供参考，不构成投资建议。