--- title: "通义千问Qwen3开源：混合思考与八款大模型齐发" date: 2026-10-28 category: AI大模型 site: 脑机网 canonical: https://aiai.cafe/a/njw-cf5916 language: zh-CN --- # 通义千问Qwen3开源：混合思考与八款大模型齐发 > 2025年4月29日，阿里巴巴没有只发布一个模型——它发布了一架"梯子"。通义千问（Qwen3）家族一次性带来了八款开源大模型，参数规模从 6 亿到 2350 亿不等，而头号特性不是原始规模，而是一个开关：每个模型都能按需"用力想"或"快作 2025年4月29日，阿里巴巴没有只发布一个模型——它发布了一架"梯子"。通义千问（Qwen3）家族一次性带来了八款开源大模型，参数规模从 6 亿到 2350 亿不等，而头号特性不是原始规模，而是一个开关：每个模型都能按需"用力想"或"快作答"。对开发者而言，这一个设计选择就改变了每个词元要花多少钱。 Qwen3 是阿里巴巴首个"混合推理"发布。它没有单独发一个推理模型、再单独发一个对话模型，而是用同一套权重同时驾驭两种模式。 ## 核心要点 - Qwen3 是八款开源权重（open-weight）模型：两款 MoE（混合专家）加六款稠密模型，全部以 Apache 2.0 许可证发布。 - 旗舰 Qwen3-235B-A22B 总参数 2350 亿、激活 220 亿；小型 MoE Qwen3-30B-A3B 总参数 300 亿、激活 30 亿。这些都是覆盖边缘到数据中心的大模型。 - 每个模型都支持"思考/非思考"混合模式，通过 API 可控的推理预算最高达 38K 词元。 - 家族覆盖 119 种语言与方言，训练于 36 万亿词元——是 Qwen2.5 语料的两倍。 ## 一个家族，而非单一模型 八款模型分别是： - 稠密：Qwen3-0.6B、1.7B、4B、8B、14B、32B。 - MoE：Qwen3-30B-A3B（300 亿总/30 亿激活）、Qwen3-235B-A22B（2350 亿总/220 亿激活）。 小型稠密模型可在手机或单张 GPU 上运行；大型 MoE 承接生产流量。最大上下文长度在 8B 及以上与 MoE 变体上为 128K 词元；最小型号为 32K。全部可在 Hugging Face、ModelScope 与 Kaggle 获取，并可通过 SGLang、vLLM、Ollama、llama.cpp 等工具部署。 ## 一个模型，两种模式 混合思考设计是最值得理解的部分。在思考模式下，模型先一步步推理再作答，适合数学、编码与逻辑；在非思考模式下，它对简单提示几乎即时回答。调用 API 的开发者可以设定思考预算，上限约 3.8 万词元，用深度换取延迟与单次请求成本。 这一点很重要，因为推理模型很贵：每一个"思考"词元都是你要付费并等待的词元。通过让调用方按任务上下调节推理强度，Qwen3 把成本控制推到了应用层。阿里巴巴称，即便 Qwen3-4B 也能媲美旧的 Qwen2.5-72B-Instruct，而小型 MoE Qwen3-30B-A3B 在仅激活十分之一参数的情况下击败了此前的 QwQ-32B。 ## 多语言与智能体 Qwen3 支持 119 种语言与方言，约为 Qwen2.5 的两倍覆盖，明确瞄准国际部署。在智能体侧，模型原生支持模型上下文协议（MCP）与强大的函数调用（Function Calling），阿里巴巴称其在复杂智能体任务上领先于开源模型。 训练语料为 36 万亿词元，是 Qwen2.5 的两倍。阿里巴巴表示，增益体现在推理、指令跟随、工具使用与多语言任务上。旗舰被定位为在编码、数学与通用基准上可与 DeepSeek-R1、OpenAI 的 o1、Grok-3 与 Gemini-2.5-Pro 竞争。 ## 值得关注的基准 阿里巴巴重点展示了几项公开评测中 Qwen3 领先或媲美的成绩： - 数学推理 AIME25。 - 编码 LiveCodeBench。 - 工具与函数调用 BFCL。 - 指令跟随 Arena-Hard。 在旗舰上，公布的结果使其跻身顶级开源模型，并在最难的榜单上接近闭源头部。与所有厂商发布一样，这些是自有测试框架下自报的数字，应作方向性参考。 ## 为何对开源生态重要 一次性发布八款模型、且全部采用 Apache 2.0，带来两件事。其一，开发者无需离开同一许可证或代码库，即可从边缘到数据中心无缝选择。其二，它让中国大模型开源一侧在能力与成本上都与闭源实验室保持竞争力。通义已成为全球下载量最大的模型家族之一，Qwen3 把这一基础延伸到混合推理。 时机也很关键。Qwen3 在一波开源推理模型发布数周后落地，而它的 Apache 2.0 许可证——比部分同行使用的修改版 MIT 更宽松——使其成为需要免席位费即上线的商业产品的默认之选。阿里巴巴还把 Qwen3 打包进自家云与 ModelScope 社区，开发者可从 Hugging Face 下载平滑迁移到托管端点，无需重写代码。在边缘设备上，0.6B 与 1.7B 变体可装入手机与嵌入式硬件，这也解释了为何通义出现在亚洲与全球南方的离线翻译器、端侧助手与廉价推理盒中。 ## 坦诚的局限 - 38K 思考预算有帮助，但 Qwen3 不是专用长链推理模型；在最难的 o1 级数学上，它用部分峰值精度换速度与成本。 - 基准数字来自阿里巴巴自报，独立第三方测试框架有时给出不同排序。 - 最小的稠密模型（0.6B–4B）在其尺寸上虽强，却无法在困难任务上替代 2350 亿旗舰。 - 119 种语言覆盖虽广，但在低资源语言上质量参差。 需要说明，通义千问Qwen3 目前是纯文本大模型，并非多模态模型，暂不处理图像与语音。 ## 普通人现在能做什么 1. 选最小的、能满足任务的 Qwen3——本地从 4B 或 8B 起步，撞墙后再换 235B-A22B——以压低推理成本。 2. 仅在难题上开启思考模式并设上限，闲聊与分类则关闭，节省词元。 3. 如果你做智能体，先用自带的 MCP 与函数调用支持对接你的工具，再决定是否付费用闭源模型。 --- 来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-cf5916 本内容仅供参考，不构成投资建议。