今天小編分享的互聯網經驗：Qwen 3發布，阿裡又點燃了AI開源的篝火，歡迎閱讀。
文｜鄧詠儀
編輯｜蘇建勳
4 月 28 日，AI 圈子内的從業者們都在等待一件事：Qwen 3。
從中午開始，Qwen 3 即将發布的小道消息，已經滿天飛舞。Qwen 團隊負責人林俊旸也在 X 上暗示：" 看看我們今晚能否完成 Qwen 3 的工作 "。
來源：X（Twitter）
《智能湧現》所在的多個業内讨論群，充斥着不知真假的 Qwen 3 模型上傳截圖。AI 從業者瘋狂刷新 GitHub、HuggingFace 中的 Qwen 主頁，用 AI 生成 Qwen 3 上線海報、現場的模拟圖，刷屏各種表情包，狂歡直至深夜還未停歇。
Qwen 3 最終在凌晨 5 點上線。新一代的 Qwen 3 參數量僅為 DeepSeek-R1 的 1/3，首先是成本大幅下降，性能全面超越 R1、OpenAI-o1 等全球頂尖模型。
更重要的是，Qwen 3 搭載了 Claude 3.7 等頂尖模型的混合推理機制，将 " 快思考 " 與 " 慢思考 " 集成進同一個模型，大大減少了算力消耗。
Qwen 3 的開源一共涉及 8 款不同架構和尺寸的模型，從 0.6B 開始，大到 235B，适用于更多類型的移動端設備。除了模型之外，Qwen 還順帶推出了 Agents 的原生框架，支持 MCP 協定，有着一股 " 讓所有人都要用上 Agents" 的勁頭。
DeepSeek 爆火後的 1 月份，大年初一前夜，阿裡急速上線了新模型 Qwen2.5-VL 和 Qwen2.5-Max，迅速秀了一把肌肉的同時，也賦予了阿裡集團更濃郁的 "AI 味兒 "。受此情緒的烘托，阿裡股價在春節前後階段大漲超 30%。
但比起這次的旗艦級模型 Qwen 3，上述模型都只是前奏。
對 Qwen 3 的萬眾期待，來自阿裡在 AI 開源社區的盛譽——如今 Qwen 已經是全球領先的開源模型系列，根據最新數據，阿裡通義已開源 200 餘個模型，全球下載量超 3 億次，千問衍生模型數超 10 萬個，已超越此前的開源霸主 Llama。
如果說 DeepSeek 是一支精銳的小分隊，快速在技術上衝鋒；那麼 Qwen 就是一個軍團，對大模型布局更早，也更積極做生态，展現了更廣的覆蓋度和社區活力。
某種程度上，Qwen 也是大模型落地的產業風向标。
一個典型的例子是，在 DeepSeek R1 發布後，很多企業和個人想私有化部署 " 滿血版 "DeepSeek（671B），單單硬體成本就要上百萬元，落地成本很高。
阿裡 Qwen 家族提供了更多的模型尺寸和類别，能幫助產業界更快驗證落地價值。用大白話來講，開發者不用自己裁剪模型，而是拿來即用，繼而快速落地。Qwen 13B 及以下的模型，可控性強，的确是如今 AI 應用領網域最受歡迎的模型之一。
DeepSeek R1 成為開源歷史上的錨點，也深深影響了大模型競争的走向。不同于此前模型廠商沉迷于刷 Benchmark、刷題，中國大廠們迎來必須要證明自己真正技術實力的周期。
Qwen 3 的發布，就是這樣一個時點。
滿血版成本為 1/3 個 DeepSeek R1，性能更強大
2024 年 9 月，阿裡雲在雲栖大會上發布了上一代模型 Qwen 2.5。Qwen2.5 一次性開源了從 0.5B 至 72B 共 6 個尺寸的全系列模型，覆蓋從端側到雲端的全場景需求，在代碼等多個類别中，都能達到 SOTA。
所有模型均允許商業使用與二次開發，這也被開發者稱為 " 真正開放的 AI"。
市場風傳新一代的 Qwen 3 會推出基于 MoE 架構，開源更多尺寸，成本能做到比 DeepSeek 更低——這些猜測都被一一證實。
Qwen 3 一共開源了 8 個尺寸的模型，分别為：
兩款 MoE（混合專家）模型的權重（指模型的決策偏好）：30B（300 億）、235B（2350 億）參數
六款 Dense（密集）模型：包括包括 0.6B（6 億）、1.7B（17 億）、4B（40 億）、8B（80 億）、14B（140 億）、32B（320 億）
每款模型均達到了同尺寸開源模型中的 SOTA（最佳性能）。
Qwen 3 延續了阿裡開源的慷慨風格，依舊采用寬松的 Apache2.0 協定開源，首次支持 119 多種語言，全球開發者、研究機構和企業，都免費下載模型并商用。
Qwen 3 的最大看點，一是成本大幅下降，同時性能還有大幅提高。
在 Qwen 3 的訓練中，阿裡投入了令人驚訝的成本。Qwen 3 基于 36 萬億 token 進行預訓練，這是上一代模型 Qwen 2.5 的兩倍，在全球同等體量的頂尖模型中也能排到前列。
據 Qwen 團隊公開的數據，僅需 4 張 H20 即可部署 Qwen 3 滿血版，顯存占用僅為性能相近模型的三分之一。
成本降低，但性能反而更高了。
Qwen 的推理能力有非常顯著的提升。在數學、代碼生成和常識邏輯推理方面，Qwen 3 均超越先前的推理模型 QwQ（思考模式）和 Qwen2.5 模型（非思考模式）。
而在代碼、數學、通用能力等基準測試中，Qwen 3 也能與目前的頂尖模型 o3-mini、Grok-3 和 Gemini-2.5-Pro 等頂尖模型。
△ Qwen 3 性能圖 來源：Qwen 3
另外一個核心亮點，是 Qwen 模型對智能體（Agents）的全面适配。
如果說，OpenAI 的 o1 模型一腳踢開了推理模型的大門，DeepSeek R1 的發布，讓所有用戶見識到了推理模型的魔力：模型有像人類一樣的 " 思考鏈 "，有思考順序，不斷驗證是否正确，推演出認為合适的答案。
但只有深度思考模式的話，弊端也很明顯。哪怕詢問簡單的天氣、今天穿什麼，DeepSeek 會來回地糾結，自我設問，不斷驗證，經歷少則數十秒的過度思考——如果 DeepSeek 沒有将模型的思考鏈展示給用戶，幾乎沒有用戶能夠忍受延遲成這樣的對話體驗。
阿裡 CEO 吳泳銘曾在 2024 年 9 月的雲栖大會表示："AI 最大想象力不在手機螢幕，而是接管數字世界，改變物理世界 "。
智能體是通往這種願景的重要路徑。所以，Qwen3 做成混合推理模型是相當關鍵的：在單一模型内，能無縫切換思考模式（用于復雜邏輯推理、數學和編碼）和非思考模式（用于高效的通用對話，比如詢問天氣、歷史知識等簡單信息搜索）。
推理與非推理任務的融合能力，實際上是讓模型：
能夠理解數字世界，更多強調的是非推理能力，如識别、檢索、分類，
能夠操作數字世界，更多強調的是推理能力，模型能自主規劃、決策、編程，典型應用如 Manus。
Qwen 3 的 API 可按需設定 " 思考預算 "（即預期最大深度思考的 tokens 數量），進行不同程度的思考，确保在各種場景下都能達到最佳性能。
在以前的機制中，用戶需要手動開關 " 深度思考 " 模式，一次對話中可能只能專注一種模式；但 Qwen 3 的新機制将這個選擇交給模型——模型能自動識别任務場景、選擇思考模式，減少了用戶對模型模式的幹預成本，也會帶來更絲滑的產品體驗。
混合推理是目前比較難的技術方向，需要極其精細、創新的設計及訓練，難度遠超訓練純推理模型。模型要學習兩種不同的輸出分布，要做到兩個模式融合，且基本不影響任何一種模式下的效果。
熱門模型中，現在只有 Qwen 3、Claude3.7 以及 Gemini 2.5 Flash 可以做到較好的混合推理。
混合推理會整體提高模型使用的性價比，既提升了智能水平，又整體降低了算力資源消耗。比如，Gemini-2.5-Flash，推理和非推理模式下的價格相差約 6 倍。
而為了讓所有人都能馬上開發 Agents，Qwen 團隊幾乎是提供了保姆式的工具箱：
Qwen 3 最近火爆的 MCP 協定，具備工具調用（Function Calling）能力，兩者都是 Agents 的主要框架
原生的 Qwen-Agent 框架，封裝了工具調用模板和工具調用解析器
API 服務也同步上線，企業可以直接通過通過阿裡雲百煉調用。
如果用裝修來舉例，這就像 Qwen 團隊把房子建好、完成硬裝，還給你提供了部分軟裝，開發者可以直接用上很多服務。這将大大降低編碼復雜性，開發門檻進一步下降，比如很多手機及電腦 Agent 操作等任務，就可以高效實現。
開源模型進入新一輪競争周期
在 DeepSeek R1 獲得爆炸性聲量，成為全球開源模型的标杆之後，模型發布不再是單純的產品更新，而是代表公司戰略的關鍵走向。
Qwen 3 的發布正值 DeepSeek R1 後，開源社區的新一輪競争已經開始：2025 年 4 月，Meta 旗下的 Llama 4 在 4 月初正式發布，但因為效果不佳而遭諸多批評；而此前屢屢受挫的 AI 巨頭 Google，也借着 Gemini 2.5 pro，在開源領網域扳回一城。
通用大模型層的能力仍在快速變遷中，很難有廠商能夠一直保持領先。在這個時點上，大模型團隊如何确定自己的發展主線，不只是個技術問題，更是對不同產品路線和商業判斷的策略問題。
在 Qwen 3 的發布上，可以看出一種更務實的開源策略。
比如，Qwen3 本次提出的模型尺寸，就比 Qwen 2.5 時的尺寸劃分就更細致。在資源受限的設備（如移動端、邊緣計算設備）上實現高效運行，Qwen 3 能同時保證一定的性能，滿足輕量級推理、對話等需求。
阿裡仔細解釋了各個模型的适用場景：
最小參數模型（如 0.6B 及 1.7B）：支持開發者用于 speculative decoding（推測性解碼） 作實驗模型用，對科研很友好；
4B 模型：推薦在手機端側應用
8B 模型：推薦在電腦或者汽車端側應用
14B 模型：适合作落地應用，普通開發者有幾張卡也都能玩轉起來
32B 模型：開發者和企業最喜歡的模型尺寸，支持企業大規模部署商用
而在旗艦模型上，Qwen 3 的模型規模和架構，也是一個更精煉，更容易落地應用的設計。
以 Qwen 旗艦版模型 235B（235 億參數）和 DeepSeek R1 滿血版做直接對比：
Qwen 3 235B 采用中等規模 ( 235B ) 與高效激活設計 ( 22B 激活，約 9.4% ) ，只需 4 張 H20 GPU 即可部署；
DeepSeek-R1 追求超大規模 ( 671B ) 與稀疏激活 ( 37B 激活，約 5.5% ) ，推薦 16 卡 H20 配置，約 200 萬元。
從部署成本看，Qwen 3 是滿血版 R1 的 25%-35%，模型部署成本大降六到七成。
DeepSeek R1 之後，如果說大模型領網域達成了什麼共識，那便是——重新将資源、人力投入到模型層的技術突破，讓模型能力突破應用能力的上限。
如今大模型領網域，重新将目光轉向模型能力的突破。
從 Qwen 發布主題的變化，也能看出如今技術主線的變遷：Qwen 2.5 發布時，主題還是《擴展大型語言模型的邊界》，而到了 Qwen 3，則是《思深，行速》，專注提高模型能力的應用性能，拉低落地門檻，而非單純擴大參數規模。
現在，通義千問 Qwen 在全球下載量超過 3 億，在 HuggingFace 社區 2024 年全球模型下載量中，Qwen 占比已經超 30%。阿裡雲的模型開源策略，已經走出另一條更清晰的道路：真正成為應用的土壤。
歡迎交流
>
