阿里推出最新模型Qwen3：支持兩種思考模式，具備多語言能力

Qwen3于2025-04-29發(fā)布在Ai產(chǎn)品

阿里2025年4月29日正式發(fā)布了Qwen3系列模型。這是Qwen系列大型語言模型的最新成員，旗艦?zāi)Ｐ蚎wen3-235B-A22B和小型 MoE 模型Qwen3-30B-A3B等多個模型在代碼、數(shù)學(xué)、通用能力等基準(zhǔn)測試中表現(xiàn)出色。Qwen3 開源了多個模型權(quán)重，并在多個平臺開放使用。

Qwen3支持兩種思考模式，具備多語言能力，優(yōu)化了 Agent 和代碼能力。其預(yù)訓(xùn)練數(shù)據(jù)量達(dá)約 36 萬億個 token，預(yù)訓(xùn)練分三個階段，后訓(xùn)練采用四階段訓(xùn)練流程。

阿里推出最新模型Qwen3：支持兩種思考模式，具備多語言能力.webp

模型亮點

多種思考模式：支持思考和非思考兩種模式。思考模式適合復(fù)雜問題，模型會逐步推理；非思考模式適用于簡單問題，能快速響應(yīng)。兩種模式結(jié)合增強(qiáng)了 “思考預(yù)算” 控制能力，用戶可按需配置。
多語言能力：支持 119 種語言和方言，涵蓋印歐語系、漢藏語系等多個語系，為國際應(yīng)用提供了可能。
增強(qiáng)的 Agent 能力：優(yōu)化了 Agent 和代碼能力，加強(qiáng)對 MCP 的支持，通過 Qwen - Agent 可降低工具調(diào)用的代碼復(fù)雜性。

阿里推出最新模型Qwen3：支持兩種思考模式，具備多語言能力.webp

Qwen3性能表現(xiàn)

旗艦?zāi)Ｐ停篞wen3-235B-A22B是該系列的旗艦?zāi)Ｐ停瑩碛?350多億總參數(shù)和220多億激活參數(shù)。在代碼、數(shù)學(xué)、通用能力等基準(zhǔn)測試中，該模型與DeepSeek-R1、Openai的o1和o3-mini、馬斯克的Grok-3以及谷歌的Gemini-2.5-Pro等頂級模型相比，表現(xiàn)出極具競爭力的結(jié)果。
小型模型：小型MoE模型Qwen3-30B-A3B的激活參數(shù)數(shù)量是QwQ-32B的10%，但表現(xiàn)更優(yōu)。此外，Qwen3-4B這樣的小模型也能匹敵Qwen2.5-72B-Instruct的性能。

Qwen3技術(shù)特性

混合推理模型：Qwen3是國內(nèi)首個“混合推理模型”，將“快思考”與“慢思考”集成進(jìn)同一個模型。這種設(shè)計允許模型在解決復(fù)雜問題時進(jìn)行深入推理，而在處理簡單請求時快速響應(yīng)。
多語言支持：Qwen3支持119種語言，并基于近36萬億個token（標(biāo)記）進(jìn)行訓(xùn)練，其訓(xùn)練數(shù)據(jù)量是Qwen2.5的兩倍。
上下文長度：Qwen3支持高達(dá)256K的上下文長度，這使得它能夠處理長文檔分析、代碼生成與多輪對話等復(fù)雜任務(wù)。

阿里推出最新模型Qwen3：支持兩種思考模式，具備多語言能力.webp

Qwen3模型性能與成本

旗艦版Qwen3-235B-A22B：總參數(shù)量為2350億，激活參數(shù)為220億。與DeepSeek-R1相比，其總參數(shù)量僅為后者的三分之一，部署成本預(yù)計能節(jié)省超過一半。此外，該模型支持按需啟用“深度思考”模式，僅需4張H20顯卡即可實現(xiàn)本地部署。
Qwen3-30B-A3B：總參數(shù)量為300億，激活參數(shù)為30億，總體性能可媲美Qwen2.5-32B。

Qwen3功能特性

原生支持MCP協(xié)議：Qwen3系列具備工具調(diào)用能力，并結(jié)合了自身的Qwen-Agent框架，大大降低了編程復(fù)雜性，支持在手機(jī)和電腦上實現(xiàn)Agent操作等任務(wù)，推動AI從對話走向執(zhí)行。
多語言支持：支持119種語言，包括中文、英文、法文、西班牙文、俄文、阿拉伯文等。
開源型號：Qwen3系列共開源了8個型號，包括：

6款Dense模型：0.6B、1.7B、4B、8B、14B、32B
2款MoE模型：Qwen3-30B-A3B和旗艦版Qwen3-235B-A22B
最小型號Qwen3-0.6B：體積輕量，非常適合在手機(jī)等端側(cè)設(shè)備上部署，同時保持了良好的理解和生成能力，非常適合邊緣端智能應(yīng)用。

訓(xùn)練過程

預(yù)訓(xùn)練：數(shù)據(jù)集相比 Qwen2.5 顯著擴(kuò)展，達(dá)到約 36 萬億個 token，是 Qwen2.5 的兩倍。數(shù)據(jù)來源包括網(wǎng)絡(luò)、PDF 文檔等，并利用專家模型合成數(shù)學(xué)和代碼數(shù)據(jù)。預(yù)訓(xùn)練分三個階段，從基本語言技能訓(xùn)練到增加知識密集型數(shù)據(jù)訓(xùn)練，再到擴(kuò)展上下文長度至 32K token。
后訓(xùn)練：采用四階段訓(xùn)練流程，包括長思維鏈冷啟動、長思維鏈強(qiáng)化學(xué)習(xí)、思維模式融合以及通用強(qiáng)化學(xué)習(xí)，以開發(fā)兼具思考推理和快速響應(yīng)能力的混合模型。

使用方法

基礎(chǔ)使用：在 Hugging Face 的transformers中使用 Qwen3-30B-A3B 有標(biāo)準(zhǔn)示例代碼，可通過修改enable_thinking參數(shù)切換思考模式。
部署：使用sglang>=0.4.6.post1或vllm>=0.8.4可創(chuàng)建與 OpenAI API 兼容的 API endpoint，移除特定參數(shù)可禁用思考模式。
本地開發(fā)：可使用ollama、LMStudio、llama.cpp和ktransformers等工具進(jìn)行本地開發(fā)。
高級用法：提供軟切換機(jī)制，可在用戶提示或系統(tǒng)消息中添加/think和/no_think逐輪切換思考模式。