阿里巴巴集團于本周二震撼發布了其旗艦人工智能模型Qwen 3，標志著AI領域的一次重大飛躍。這款新一代模型以卓越的混合推理能力為核心，重新定義了AI的邊界。
Qwen3-235B-A22B版本擁有2350億參數，但在運行時僅需激活220億參數，這一設計使其參數規模僅為DeepSeek-R1的三分之一左右，卻能在性能上超越DeepSeek-R1和OpenAI-o1等頂尖模型，成為全球最強大的開源模型。
這一發布正值中國AI領域競爭激烈之際，本土初創企業DeepSeek的迅速崛起為市場增添了新的活力。今年早些時候，DeepSeek宣稱能以更低的成本提供高性能模型，挑戰西方競爭對手。
與此同時，中國搜索引擎巨頭百度也不甘落后，于上周五推出了Ernie 4.5 Turbo和針對推理優化的Ernie X1 Turbo模型，進一步加劇了市場競爭。
阿里巴巴的Qwen 3巧妙地將傳統AI任務與先進的動態推理相結合，為應用和軟件開發者提供了一個更加靈活高效的平臺。今年年初，在DeepSeek取得突破后不久，阿里巴巴迅速推出了Qwen 2.5-Max模型，并宣稱其性能卓越。
Qwen 3基于36萬億字節的龐大數據集進行訓練，并在訓練后階段經歷了多輪強化學習。它實現了快速思考與慢速思考模式的無縫切換，并在推理、指令遵循、工具使用和多語言能力等方面實現了顯著提升，為國內外開源模型樹立了新的性能標桿。
Qwen 3系列共包含八個模型，其中包括兩個參數分別為300億和2350億的MoE（專家混合）模型，以及六個參數從0.6億到320億不等的密集模型。每個模型在其參數規模類別中均達到了開源模型的頂尖水平。
值得注意的是，Qwen3的300億參數MoE模型在模型效率上實現了超過10倍的提升，僅需激活30億參數即可媲美上一代Qwen2.5-32B模型的性能。同時，Qwen3的密集模型繼續突破極限，以一半的參數數量實現了高性能。例如，Qwen3的320億版本在性能上超越了Qwen2.5-72B模型。
4月成為大型模型發布密集的一個月。OpenAI推出了GPT-4.1 o3和o4 mini系列模型，谷歌發布了Gemini 2.5 Flash Preview混合推理模型，而Doubao則宣布了其1.5·Deep Thinking模型。行業內的其他主要玩家也開源或更新了眾多模型。甚至有傳言稱DeepSeek R2即將發布，盡管這些報道大多仍屬猜測。
無論DeepSeek R2是否發布，Qwen3已經搶占了先機，成為大型模型“普及化”的真正起點。
Qwen 3模型支持兩種獨特的推理模式：慢速思考模式和快速思考模式。在慢速思考模式下，模型進行逐步推理，經過深思熟慮后給出最終答案，適用于解決復雜問題。而在快速思考模式下，模型能夠迅速給出幾乎即時的回應，適合處理簡單且需要快速響應的問題。
所有Qwen 3模型均為混合推理模型，在中國尚屬首次。這種創新設計將“快速思考”和“慢速思考”整合到單個模型中。對于簡單任務，它可以以較低的計算能力提供即時答案；而對于復雜問題，則可以進行多步“深度思考”，顯著降低了計算資源消耗。
Qwen 3的API允許用戶自定義“思考預算”（即用于深度推理的最大令牌數），使不同層次的思考過程能夠靈活滿足各種場景下AI應用的不同性能和成本要求。例如，40億參數的模型非常適合移動設備，80億參數的模型可以在計算機和汽車系統上流暢運行，而320億參數的模型則備受大型企業部署的青睞。
在衡量數學問題解決能力的AIME25評估中，Qwen 3取得了81.5分的優異成績，刷新了開源模型的記錄。在評估編碼能力的LiveCodeBench評估中，Qwen 3超過了70分的門檻，超越了Grok3。在評估與人類偏好一致性的ArenaHard評估中，Qwen 3獲得了95.6分的高分，超過了OpenAI-o1和DeepSeek-R1。
盡管性能顯著提升，但Qwen 3的部署成本卻大幅下降。Qwen 3的全功率版本僅需四臺H20 GPU即可部署，且內存使用量僅為類似性能模型的三分之一。
Qwen-3模型支持119種語言和方言。目前，這些模型已在Apache 2.0許可下開源，并可在Hugging Face、ModelScope和Kaggle等平臺上獲得。
阿里巴巴還建議使用SGLang和vLLM等框架部署模型。對于本地使用，支持Ollama、LMStudio、MLX、llama.cpp和KTransformers等工具。
Qwen-3還專注于智能代理和大型語言模型的應用。在評估代理能力的BFCL評估中，Qwen-3取得了70.8分的新高分，超越了Gemini2.5-Pro和OpenAI-o1等頂級模型。這一突破顯著降低了代理有效利用工具的門檻。
Qwen-3原生支持MCP協議，并具有強大的函數調用能力。結合包括預建工具調用模板和解析器在內的Qwen-Agent框架，它極大地降低了編碼復雜性，使代理能夠在手機和計算機上高效運行。
Qwen-3在預訓練方面相較于Qwen-2.5有了顯著擴展。Qwen-2.5基于18萬億令牌進行預訓練，而Qwen-3則幾乎將這一數字翻倍，達到了約36萬億令牌。
為了構建這一龐大的數據集，Qwen團隊不僅從互聯網上收集數據，還從PDF文檔中提取信息。例如，使用Qwen-2.5-VL從文檔中提取文本，并使用Qwen-2.5進一步提高提取內容的質量。為了增加數學和編碼數據的數量，Qwen團隊利用Qwen-2.5-Math和Qwen-2.5-Coder等專用模型合成數據，包括教科書、問答對和代碼片段等多種格式。
預訓練過程分為三個階段。在第一階段（S1），模型在超過30萬億令牌和4K令牌上下文長度的基礎上進行預訓練，為模型提供了基礎語言技能和通用知識。在第二階段（S2），Qwen團隊通過增加知識密集型數據（如STEM、編程和推理任務）的比例來改進數據集，并對模型進行了額外的5萬億令牌預訓練。
在最終階段，Qwen團隊使用高質量的長上下文數據將上下文長度擴展到32K令牌，確保模型能夠有效處理更長的輸入。
由于模型架構的改進、訓練數據的增加以及訓練方法的優化，Qwen3密集基礎模型的性能與參數更多的Qwen2.5基礎模型相當。例如，Qwen3-1.7B/4B/8B/14B/32B-Base的性能與Qwen2.5-3B/7B/14B/32B/72B-Base相當。值得注意的是，在STEM、編碼和推理等領域，Qwen3密集基礎模型甚至超越了更大規模的Qwen2.5模型。
至于Qwen3的MoE基礎模型，它們在性能上與Qwen2.5的密集基礎模型相當，但激活的參數僅為10%。這大大節省了訓練和推理成本。
在訓練后階段，為了開發一款同時具備推理和快速響應能力的混合模型，Qwen團隊實施了四階段訓練過程，包括：（1）長推理鏈的冷啟動，（2）長推理鏈的強化學習，（3）推理模式的整合，以及（4）通用強化學習。
