Qwen3凭什么封神这8个关键点告诉你答案

Llama 4 可以不追，但 Qwen3 你必须知道。

五一前夕，来自阿里通义千问的 Qwen 系列模型迎来重磅升级，能打、能省、能思考，有点东西。

1. Qwen3，新晋开源之王

在开源模型领域，Qwen 系列一直是第一梯队的存在。

这一次的 Qwen3 ，也不例外。

作为阿里通义推出的新一代大模型， Qwen3 身上的标签多且全面：混合专家（MoE）架构、高性能、低成本、支持“思考模式”和“非思考模式”自由切换、覆盖 119 种语言、36 万亿 tokens 的训练数据、2350 亿总参数 + 220 亿激活参数（ Qwen3-235B-A22B ）、以 Apache 2.0 许可证全面开源 —— 可部署、可调用、可商用。

这样的模型，这样的通义千问，尊称一句 “国产之光” 不过分吧。

在最新的 LiveBench 大模型排行榜上， Qwen3 已经以 73.23 的综合评分超越 DeepSeek-R1 坐上了开源模型的头把交椅。

2. 核心模型：“巨无霸” + “小怪兽”

目前 Qwen 官方开源了两款 Qwen3 系列中的混合专家（MoE）核心模型：

Qwen3-235B-A22B ：总参数 2350 亿，激活参数仅 220 亿，典型的“体型巨、能耗低”；

Qwen3-30B-A3B ：总参数 300 亿，激活参数仅 3 亿，主打一个“小块头有大智慧”。

这两个 MOE 模型在 GPQA、AIME24、LiveCodeBench 等基准评测里表现也都非常硬核，综合实力超过了 o1 和 DeepSeek-R1 ；但和最顶级的满血版 o3 、 Gemini 2.5 Pro 相比，还是有一定差距的。

3. “思考模式” + “非思考模式”

Qwen3 最大的设计亮点之一，是引入了两种 思维模式 ：

思考模式（enable_thinking=True） ：会自动调用内部思维链（Chain of Thought，CoT）进行多步推理、结构化思考，适合解数学难题、写复杂代码；

非思考模式（enable_thinking=False） ：主打一个秒回，适合问“帮我总结这段话”这类简单问题。

Qwen3 并不是第一个支持这样切换思维模式的模型，在它之前，Anthropic 的 Claude 3.7 Sonnet 和谷歌的 Gemini 2.5 Flash 就已经支持了这样的开关。

这其实是一个趋势， Qwen3 也不会是最后一个。

4. 训练数据量翻倍，基础更扎实

相较于前代模型 Qwen2.5 ， Qwen3 的训练数据量直接翻倍，从 18 万亿提升到了 36 万亿 tokens 。

不仅数量多，质量也有优化：

数学、代码数据用专家模型合成；

大量语料来自高质量 PDF 文档、网页、结构化问答。

这一代的 Qwen3 应该是通义训练成本最高的一版模型了吧。

5. Dense + MoE 双线开源

除了上面两个 MoE 模型，阿里这次还一口气开源了其他 6 个 Dense 模型：

按照参数量从小到大分别是 Qwen3-0.6B 、 1.7B 、 4B 、 8B 、 14B 、 32B ；

支持最长 128K 上下文；

Apache 2.0 许可证，无需申请，可直接商用。

多说一嘴。

Dense（稠密）模型 结构简单，所有参数在每次推理中都会参与计算，因而表现稳定，但计算成本高、部署资源消耗大；

MoE（混合专家）模型 则通过只激活部分专家网络，在保持性能的前提下显著降低推理成本，更适合在算力有限或对响应速度有要求的场景中使用。两者的本质区别在于参数是否“全员出动”，取舍点则在效率与一致性之间。

6. 多语言：支持 119 种语言

Qwen3 模型的多语言覆盖堪称恐怖，官方公布的数据是： 119 种语言与方言 。

支持的语言包括但不限于：

中文（简体、繁体、粤语）、英文、法语、德语、西班牙语；

阿拉伯语、希伯来语、爪哇语、意第绪语、斯瓦西里语、冰岛语等等。

7. 部署成本更低：H20 GPU 也能跑 235B 模型

和 6710 亿参数（671B）的老对手 DeepSeek-R1 相比，235B 的 Qwen3-235B-A22B 在本地部署方面的身形更加“苗条”，经济适用。

得益于 MoE 架构的优化，你现在只需要 4张 H20 GPU 就能在本地跑起来 Qwen3-235B-A22B 。

这在 2024 年还难以想象，在今天，意味着：

显存占用约为同类模型的三分之一；

推理成本下降 65%-75%。

部署门槛的降低，也让 Qwen 的开源朋友圈正在一点点变大，越来越热闹。

8. 即拿即用的 Qwen3

你能在哪些地方用上 Qwen3 ？

作为一款开源模型，本地部署是必须支持的。受限于硬件的限制，你可以自行选择部署 MOE 还是 Dense 模型。

Hugging Face ：https://huggingface.co/collections/Qwen/qwen3-67dd247413f0e2e4f653967f

ModelScope ：https://modelscope.cn/collections/Qwen3-9743180bdc6b48

本地部署工具 ：支持 Ollama、LMStudio、llama.cpp、ktransformers 等

当然，对于不喜欢折腾的小可爱，千问团队也已在 Qwen Chat（海外版）以及 通义千问（国内版）同步上线了 Qwen3 模型。

Qwen Chat ：https://chat.qwen.ai

通义千问 ：https://www.tongyi.com/qianwen/

结语