4 月 29 日，通義 App 與通義網(wǎng)頁(yè)版全面上線阿里新一代通義千問開源模型 Qwen3。用戶可以第一時(shí)間在通義 App 和網(wǎng)頁(yè)版中的專屬智能體 " 千問大模型 "，以及主對(duì)話頁(yè)面，體驗(yàn)到最強(qiáng)開源模型的智能能力。
Qwen3 一經(jīng)發(fā)布便登頂全球最強(qiáng)開源模型，包含 8 款不同尺寸，均為全新的 " 混合推理模型 "，智能水平大幅提升的同時(shí)也更省算力。
其中，旗艦?zāi)Ｐ?Qwen3-235B-A22B 是一款混合專家（MoE）模型，該模型創(chuàng)下所有國(guó)產(chǎn)模型及全球開源模型的性能新高。在代碼、數(shù)學(xué)、通用能力等基準(zhǔn)測(cè)試中，Qwen3-235B-A22B 展現(xiàn)出多項(xiàng)具有競(jìng)爭(zhēng)力的數(shù)據(jù)，直逼 DeepSeek-R1、o1、o3-mini、Grok-3 和 Gemini-2.5-Pro 等頂級(jí)模型。
除此之外，小型 MoE 模型 Qwen3-30B-A3B 的激活參數(shù)數(shù)量是 QwQ-32B 的 10%，表現(xiàn)更勝一籌。而 Qwen3-32B 是一款稠密（Dense）模型，部署成本低、穩(wěn)定高效，是企業(yè)部署首選。
通義還開源了兩個(gè) MoE 模型的權(quán)重：一個(gè)是擁有 2350 多億總參數(shù)和 220 多億激活參數(shù)的 Qwen3-235B-A22B，一個(gè)是擁有約 300 億總參數(shù)和 30 億激活參數(shù)的小型 MoE 模型 Qwen3-30B-A3B。此外，六個(gè) Dense 模型也已開源，包括 Qwen3-32B、Qwen3-14B、Qwen3-8B、Qwen3-4B、Qwen3-1.7B 和 Qwen3-0.6B，均在 Apache 2.0 許可下開源。
目前， Qwen3-30B-A3B 等經(jīng)過后訓(xùn)練的模型已在 Hugging Face、ModelScope 和 Kaggle 等平臺(tái)上開放使用。用戶可在 Qwen Chat 網(wǎng)頁(yè)版 ( chat.qwen.ai ) 和通義 APP 中試用 Qwen3。
深思考，多語(yǔ)言
Qwen3 支持兩種思考模式：
深入思考：在這種模式中，模型會(huì)逐步推理，經(jīng)過深思熟慮后給出最終答案，非常適合需要深入思考的復(fù)雜問題。
快速思考：在這種模式中，模型提供快速、近乎即時(shí)的響應(yīng)，適用于那些對(duì)速度要求高于深度的簡(jiǎn)單問題。
用戶可以根據(jù)具體任務(wù)控制模型進(jìn)行 " 思考 " 的程度，復(fù)雜的問題可以通過深入思考來解決，而簡(jiǎn)單的問題則可以通過快速作答。
值得關(guān)注的是，這兩種模式的結(jié)合大大增強(qiáng)了模型實(shí)現(xiàn)穩(wěn)定且高效的 " 思考預(yù)算 " 控制能力，讓用戶能夠更輕松地為不同任務(wù)配置特定的預(yù)算，在成本效益和推理質(zhì)量之間實(shí)現(xiàn)更優(yōu)的平衡。
除了多種思考模式，Qwen3 模型還支持多語(yǔ)言功能，涵蓋了 119 種語(yǔ)言和方言。
X 上網(wǎng)友也紛紛給出好評(píng)！
網(wǎng)友表示，Qwen 3 能快能慢，答案精準(zhǔn)。對(duì)于編碼，它運(yùn)行良好。對(duì)于數(shù)學(xué)，它保持平靜。對(duì)于語(yǔ)言，它非常真實(shí)。
" 開源模型已經(jīng)很久沒有這么好了。"
預(yù)訓(xùn)練，后訓(xùn)練
Qwen3 預(yù)訓(xùn)練實(shí)現(xiàn)了三重升級(jí)：
第一重，數(shù)據(jù)增強(qiáng)。預(yù)訓(xùn)練語(yǔ)料規(guī)模達(dá) 36 萬(wàn)億 token，是 Qwen2.5 的 2 倍，覆蓋 119 種語(yǔ)言。通義通過多源數(shù)據(jù)構(gòu)建了強(qiáng)大的數(shù)據(jù)集：
網(wǎng)絡(luò)數(shù)據(jù) +PDF 文檔提取（Qwen2.5-VL 處理）
專家模型合成數(shù)學(xué) / 代碼數(shù)據(jù)（Qwen2.5-Math/Coder 生成教材 / 問答 / 代碼）
第二重，階段訓(xùn)練。預(yù)訓(xùn)練過程分為三個(gè)階段：
S1 基礎(chǔ)訓(xùn)練：30 萬(wàn)億 token（上下文長(zhǎng)度為 4K token），建立基礎(chǔ)能力
S2 知識(shí)強(qiáng)化：5 萬(wàn)億 token，提升 STEM/ 編程 / 推理數(shù)據(jù)占比
S3 長(zhǎng)文本適應(yīng)：32K token 上下文訓(xùn)練，優(yōu)化長(zhǎng)文本處理
第三重，性能突破。
Dense 模型：小參數(shù)量對(duì)標(biāo) Qwen2.5（如 1.7B ≈ 3B），STEM/ 編程 / 推理能力反超 Qwen2.5
MoE 模型：使用 10% 激活參數(shù)達(dá)到 Qwen2.5 Dense 水平，訓(xùn)練推理成本大幅降低
后訓(xùn)練方面，通義實(shí)施了一個(gè)四階段的訓(xùn)練流程：
長(zhǎng)思維鏈冷啟動(dòng)：涵蓋數(shù)學(xué)、代碼、邏輯推理和 STEM 問題等多種任務(wù)和領(lǐng)域，配備基本推理能力
長(zhǎng)思維鏈強(qiáng)化學(xué)習(xí)：大規(guī)模強(qiáng)化學(xué)習(xí)，基于規(guī)則的獎(jiǎng)勵(lì)增強(qiáng)模型的探索和鉆研能力
思維模式融合：整合非思考模式，確保推理和快速響應(yīng)能力無(wú)縫結(jié)合
通用強(qiáng)化學(xué)習(xí)：應(yīng)用強(qiáng)化學(xué)習(xí)于指令遵循、格式遵循和 Agent 能力等在內(nèi)的 20 多個(gè)通用領(lǐng)域，增強(qiáng)模型的通用能力并糾正不良行為
Qwen3 使用演示
首先來看 Hugging Face transformers 中使用 Qwen3-30B-A3B 的標(biāo)準(zhǔn)示例：
要禁用思考模式，只需對(duì)參數(shù) enable_thinking 進(jìn)行如下修改：
可以使用 sglang>=0.4.6.post1 或 vllm>=0.8.4 來創(chuàng)建一個(gè)與 OpenAI API 兼容的 API endpoint：
若要禁用思考模式，可以通過移除參數(shù) --reasoning-parser（以及 --enable-reasoning）。
如果用于本地開發(fā)，可以通過運(yùn)行簡(jiǎn)單的命令 ollama run qwen3:30b-a3b 來使用 ollama 與模型進(jìn)行交互，也可以使用 LMStudio 或者 llama.cpp 以及 ktransformers 等代碼庫(kù)進(jìn)行本地開發(fā)。
還有一種軟切換機(jī)制，允許用戶在 enable_thinking=True 時(shí)動(dòng)態(tài)控制模型的行為，只需在用戶提示或系統(tǒng)消息中添加 /think 和 /no_think，就可以逐輪切換模型的思考模式：
Qwen3 在工具調(diào)用方面同樣表現(xiàn)出色。Qwen-Agent 內(nèi)部封裝了工具調(diào)用模板和工具調(diào)用解析器，降低代碼復(fù)雜性：
今年 1 月份千問發(fā)布 Qwen2.5-Max，性能比肩 DeepSeek V3、GPT-4 和 Claude-3.5-Sonnet。短短三個(gè)月又迎來 Qwen3，阿里在 AGI 這條路上又完成了一個(gè)里程碑。此次的亮點(diǎn)旨在 " 雙模推理 " 技術(shù)——允許用戶在深度推理的思考模式與及時(shí)響應(yīng)的非思考模式間自由切換，并提供計(jì)算資源動(dòng)態(tài)分配接口，為不同場(chǎng)景需求提供精準(zhǔn)算力支持。
未來，通義團(tuán)隊(duì)計(jì)劃從擴(kuò)展數(shù)據(jù)規(guī)模、增加模型大小、延長(zhǎng)上下文長(zhǎng)度、拓寬模態(tài)范圍等方面提升模型性能，從訓(xùn)練模型的時(shí)代，慢慢過渡到訓(xùn)練 Agent 的時(shí)代。
參考資料：https://mp.weixin.qq.com/s/OvobsCPW0IwxeSm8pljv-A
雷峰網(wǎng)
