界面新闻记者 |
界面新闻编辑 | 文姝琪
4月29日凌晨，阿里巴巴开源新一代通义千问模型Qwen3，参数量仅为DeepSeek-R1的1/3，成本大幅下降，性能全面超越R1、OpenAI-o1等全球顶尖模型，登顶全球最强开源模型。Qwen3是国内首个“混合推理模型”，“快思考”与“慢思考”集成进同一个模型，对简单需求可低算力“秒回”答案，对复杂问题可多步骤“深度思考”，大大节省算力消耗。
“混合推理”相当于把顶尖的推理模型和非推理模型集成到同一个模型里去，需要极其精细、创新的设计及训练。目前，热门模型中只有千问3、Claude3.7以及Gemini 2.5 Flash可以做到。
在“推理模式”下，模型会执行更多中间步骤，如分解问题、逐步推导、验证答案等，给出更深思熟虑的答案；而在“非推理模式”下，模型会直接生成答案。同一个模型，可以完成“快思考”和“慢思考”，这类似于人类在回答简单问题时，凭经验或直觉快速作答，面对复杂难题时再深思熟虑，仔细思考给出答案。
设计和训练混合推理模型的难度，是远超单纯的推理模型的。训练混合推理模型，有复杂的机制，相当于模型要学习两种不同的输出分布，要做到两个模式融合且基本不影响任何一种模式下的效果，很考验训练过程的训练策略。
“推理/非推理”二合一的混合推理模型，既提升了模型本身的智能水平，又整体降低了算力资源消耗。正因为如此，Qwen3在性能大幅提升的同时，成本还出现了下降。
在性能方面，Qwen3采用混合专家（MoE）架构，总参数量235B，激活仅需22B。Qwen3预训练数据量达36T ，并在后训练阶段多轮强化学习，将非思考模式无缝整合到思考模型中。
评测显示，Qwen3在推理、指令遵循、工具调用、多语言能力等方面均大幅增强，即创下所有国产模型及全球开源模型的性能新高。其中，在奥数水平的AIME25测评中，Qwen3斩获81.5分，刷新开源纪录；在考察代码能力的LiveCodeBench评测中，Qwen3突破70分大关，表现甚至超过Grok3；在评估模型人类偏好对齐的ArenaHard测评中，Qwen3以95.6分超越OpenAI-o1及DeepSeek-R1。
同时，Qwen3的部署成本还大幅下降，仅需4张H20即可部署Qwen3满血版，显存占用仅为性能相近模型的三分之一。
Qwen3还提供了丰富的模型版本，包含2款30B、235B的MoE模型，以及0.6B、1.7B、4B、8B、14B、32B等6款密集模型，每款模型均斩获同尺寸开源模型SOTA（最佳性能）：Qwen3的30B参数MoE模型实现了10倍以上的模型性能杠杆提升，仅激活3B就能媲美上代Qwen2.5-32B模型性能；Qwen3的稠密模型性能继续突破，一半的参数量可实现同样的高性能，如32B版本的Qwen3模型可跨级超越Qwen2.5-72B性能。
Qwen3为即将到来的智能体Agent和大模型应用爆发提供了更好的支持。在评估模型Agent能力的BFCL评测中，Qwen3创下70.8的新高，超越Gemini2.5-Pro、OpenAI-o1等顶尖模型，将大幅降低Agent调用工具的门槛。
同时，Qwen3原生支持MCP协议，并具备工具调用（function calling）能力，结合封装了工具调用模板和工具调用解析器的Qwen-Agent 框架，将大大降低编码复杂性，实现高效的手机及电脑Agent操作等任务。
据界面新闻了解，Qwen3系列模型依旧采用宽松的Apache2.0协议开源，并首次支持119多种语言，全球开发者、研究机构和企业均可免费在魔搭社区、HuggingFace等平台下载模型并商用，也可以通过阿里云百炼调用Qwen3的API服务。个人用户可立即通过通义APP直接体验Qwen3，夸克也即将全线接入Qwen3。
目前，阿里通义已开源200余个模型，全球下载量超3亿次，千问衍生模型数超10万个，已超越美国Llama，成为全球第一开源模型。
