体验了最新的Qwen3之后，端侧之王果然没有让我失望！！

最新推荐文章于 2025-05-06 12:48:05 发布
最新推荐文章于 2025-05-06 12:48:05 发布
阅读量720 收藏 9
点赞数 13
文章标签： Qwen3 大模型 大模型学习 AI大模型 语言模型 程序员 转行
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Gaga246/article/details/147627949
版权

前言

一觉醒来，Qwen3 果然如期而至！并且从来不像某CloseAI，雷声大雨点小！

01 Qwen3发布

Qwen3这次推出了两大系列模型，让我眼前一亮：Dense模型（常见的GPT风格）和MoE模型（混合专家模型，效率更高）。

图片

旗舰型号Qwen3-235B-A22B（2350亿总参数，220亿激活参数）表现惊艳！在代码、数学、通用能力等测试中，它能与DeepSeek-R1、o1、o3-mini、Grok-3、Gemini-2.5-Pro这些顶尖模型平起平坐，不得不佩服国产大模型的进步速度。

图片

小型MoE模型Qwen3-30B-A3B同样实力强劲，激活参数只有Qwen2.5-32B的十分之一，性能却更胜一筹。还得是Qwen，能打hh

更让人惊艳的是，连超小模型Qwen3-4B都能媲美上一代Qwen2.5-72B-Instruct！这意味着在普通电脑上，我们也能获得以前只有云端才有的体验。

图片

开源方面，他们这次真是放了大招：两个MoE模型Qwen3-235B-A22B（2350亿总参数，220亿激活参数）和Qwen3-30B-A3B（300亿总参数，30亿激活参数），外加六个Dense模型Qwen3-32B、14B、8B、4B、1.7B、0.6B。这基本上覆盖了从手机到服务器的全部应用场景。

图片

从应用角度看，Qwen3提供了全谱系的选择：

  • Qwen3-0.6B：完美适合手机部署
  • Qwen3-4B、8B：适合个人PC使用
  • Qwen3-14B、32B：适合企业本地化部署
  • 更大的模型：适合云端部署使用

最让人振奋的是，所有模型均在Apache 2.0许可下开源，使用协议宽松，商用无压力！这对开发者和创业者来说简直是福音。

02 比Claude还自由的混合推理

Qwen3最大的亮点是它比Claude还灵活自由的混合推理能力。

什么是混合推理？简单来说，就是同时支持两种思考模式：

  1. 像ChatGPT-4一样直接回答
  2. 像DeepSeek-R1一样：先思考，后回答

为什么混合推理如此重要？因为AI研究发现，模型思考得越多，解决问题的能力就越强，就像下图中蓝线展示的那样：

图片

但思考多了也有代价：耗时大幅增加！在许多场景下，不思考的表现已经足够好，没必要画蛇添足，直接回答更为高效。

混合推理最早是Claude推出的，但Claude要求用户手动选择模式，体验不够流畅。而Qwen3更进一步，直接支持在提示词中指定是否思考，随心切换，真正做到了用户体验至上！

比如下图，即使在思考模式下，提示词中指定"请不要思考"，模型就会立刻切换到直接回答模式，灵活度令人赞叹：

图片

当然，通过界面手动调节思考选项也很简单。你还可以精确控制思考的长度，避免模型过度思考浪费时间。默认是拉满的，拉到0就相当于关闭思考功能：

图片

03 AI自由新时代

Qwen3发布后，Ollama第一时间支持了本地部署，8B的模型仅需5.2G空间就能运行。这意味着，普通笔记本电脑也能轻松驾驭强大的AI能力，实现随时随地的AI自由！

图片

将Qwen3与Cherry Studio搭配使用，体验简直爽歪歪！用8B的模型（qwen3:latest）在本地就能实现以前只有云端模型才能达到的效果，这种自由感真是令人兴奋。

我让本地部署的qwen3:latest写了一篇6000字的科幻小说，质量之高远超同类7B模型，差距不是一点半点：

图片

图片

想象一下，以后出差遇到网络不稳定的情况，文档校对、格式调整等日常工作都可以交给本地模型来完成，不再受网络限制，工作效率将大大提升！

04 DeepResearch 调研利器

阿里千问的官方网站 https://chat.qwen.ai/ 还上线了一系列宝藏功能，DeepResearch就是其中之一，它彻底改变了我们获取信息的方式：

图片

只需选择"深入研究"，就能体验阿里版DeepResearch功能。悄咪咪提一嘴，它背后接的搜索引擎内容质量相当高，据说是某歌的搜索能力。

图片

令人惊喜的是，今天刚发布的Qwen3，甚至能精准搜索到4月的最新内容！国内秘塔在这方面也做得不错，但有时因内容源限制无法获取某些信息，而Qwen的DeepResearch则完全不存在这个问题：

图片

更贴心的是，DeepResearch还能一键生成PDF并下载使用，这种无缝体验让研究和资料收集变得如此轻松：

图片

最后

从"云端独占"到"端侧解放"，过去AI像图书馆，需要你前往；现在我们有了轻量级端侧AI，就如同口袋里的百科全书，随处可用。

感谢Qwen3给了我们一把钥匙，让我们一起开启人机协作的新世界~

最后的最后

感谢你们的阅读和喜欢，作为一位在一线互联网行业奋斗多年的老兵，我深知在这个瞬息万变的技术领域中，持续学习和进步的重要性。

为了帮助更多热爱技术、渴望成长的朋友，我特别整理了一份涵盖大模型领域的宝贵资料集。

这些资料不仅是我多年积累的心血结晶，也是我在行业一线实战经验的总结。

这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。如果你愿意花时间沉下心来学习，相信它们一定能为你提供实质性的帮助。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

大模型知识脑图

为了成为更好的 AI大模型 开发者，这里为大家提供了总的路线图。它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
在这里插入图片描述

经典书籍阅读

阅读AI大模型经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说，阅读经典书籍是非常有必要的。

在这里插入图片描述

实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

在这里插入图片描述

面试资料

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下

在这里插入图片描述

640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

在这里插入图片描述

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

Qwen3开源发布：Think Deeper, Act Faster！推理、部署、微调、MCP调用实战教程
zhangjiaofa的专栏
04-29 187
今天，通义千问Qwen团队正式开源推出 Qwen3，这是 Qwen 系列大型语言模型的最新成员。最新的Qwen3系列模型具备双模推理能力（深入思考/快速响应）、支持119种语言及方言，并强化了Agent功能与代码执行能力，全面满足复杂问题处理与全球化应用需求。其中，旗舰模型 Qwen3-235B-A22B 在代码、数学、通用能力等基准测试中，与 DeepSeek-R1、o1、o3-mini、Grok-3 和 Gemini-2.5-Pro 等顶级模型相比，表现出极具竞争力的结果。
反转，实测Qwen3确实强大！
FreedomMan2050的博客
04-30 761
实测对比Qwen3:1.7B与Qwen2.5:3B、deepseek-r1-1.5B！
Qwen3最强攻略！4种姿势玩转最强开源模型！
最新发布
sinat_29950703的博客
05-06 863
📢 作为阿里巴巴开源新一代通义千问模型 Qwen3 （简称千问 3），性能全面超越 Deepseek-R1、豆包 1.5pro 等国内领先模型，并登顶全球最强开源模型！ 1. Qwen3有啥模型？跟其他模型有啥区别？ 2. Ollama/HuggingFace安装和使用Qwen3的教程 3. 硅基流动/无问芯穹，免费调用Qwen3的教程
阿里Qwen3真实测评：MCP、推理、数学、代码、文学...(OpenAI、DeepSeek、Claude等六家PK)
强化学习曾小健
04-30 1057
所以我就想从网页版、本地版、API版，在代码、数学、逻辑推理、文本创作、MCP调用等多个方面，让 Qwen3 PK 每个领域的高手，包括 DeepSeek R1/V3、OpenAI o1/GPT4o、Claude3.7、Gemini等，从真实的案例里看出 Qwen3 真正擅长的。我仔细盘算了一下，“昨天的后天”和“明天的前天”是同一天？2、3、4月份，Qwen1.5先后开源了0.5B、1.8B、4B、7B、14B、32B、72B、110B足足八个不同规模模型。
【默子评测】Qwen3：最强开源大模型第一手实测
默子的博客，奇奇怪怪
04-30 1156
在 2025 年 4 月 29 日凌晨，阿里正式开源了 通义千问 Qwen3 家族，一举刷新全球开源大模型格局。默子快速上手评测了一下（235B对比30B对比GPT4o），快来看看效果吧
Qwen3深度分析：Transformers PR代码全面解读！
2401_84204207的博客
04-23 3008
传统路由策略中，分配给不同专家的Token可能蕴含一些通用知识或信息。不同的专家可能会在各自的参数中获得这些通用知识，从而导致专家参数的冗余。若有专门的共享专家来捕捉和整合上下文中的通用知识，将缓解其他路由专家之间的参数冗余。这种冗余参数的减少有助于由更专业的专家构建更加参数高效的模型。为实现该目标，deepseek团队在细粒度专家划分的基础上进一步隔离一部分专家作为共享专家。无论路由模块如何，每个Token都将会被送入这部分共享专家。
Qwen3来袭，一手实测来了，系列里面最好用的竟然是它
2401_84204413的博客
04-29 2302
由于时间关系，没有测试更多模型，但是我们可以很明显看到一个惊人的结论：Qwen3-30B-A3B应该是目前部署性价比最高的模型，对于要求速度同时又要求精度的场景，如果你不考虑用多少显存，大概率可以直接上；Qwen3-32B目前可能是同尺寸开源最强的模型，对于企业级应用应该是绰绰有余，几乎可以直接替代Deepseek-R1.Qwen3-8B用来部署企业级应用，甚至在VL模型出来之后，可能成为多模态模型的标配，而Qwen3-4B-VL，可能达到现在32B-VL的水准。
代码解析！Qwen-3-MoE通义第三代模型！
2401_85390073的博客
04-24 2085
Qwen-3 系列包含两个模型：Qwen-3，对标 Qwen-2 的升级版Qwen-3-MoE，最新的 MoE 结构的模型改进点总结：Qwen-3：Attention使用了和LLaMA-4一样的QK RMSNormFFN使用了MoE架构，支持间隔k层使用。MoE的专家支持Top-K加权输出。训练时使用了Switch Transformer的辅助损失。
Qwen3-qwen3
05-01
Qwen3 Qwen qwen3 qwen3 qwen3 qwen3 qwen3
Qwen3-8B-Base-qwen3
04-30
Mirror of https://huggingface.co/Qwen/Qwen3-8B-Base qwen3 qwen3 qwen3 qwen3 qwen3
抢先体验全新极小大模型Qwen3:0.6B
F8_11的博客
04-29 611
全民都在期待DeepSeek-R2的发布，但是一不小心被阿里截胡了，2025 年 4 月 29 日，阿里巴巴发布并开源了通义千问 Qwen3 系列大模型。Qwen3 是 Qwen 系列中最新一代的大型语言模型，提供一整套密集模型和混合专家 （MoE） 模型。Qwen3 基于广泛的培训而构建，在推理、指令遵循、代理功能和多语言支持方面取得了突破性的进步。
Qwen3 发布！一篇了解Qwen3：性能、突破、训练方法
star_nwe的博客
04-29 800
今天凌晨，Qwen3发布。
AI王炸：MCP服务端客户端的完整实现
2401_85375151的博客
04-19 727
试想一下，如果要想在现有应用上构建，让AI读取引用我们功能和数据，该怎么办，比如询问某个城市的天气，我们希望AI能调用天气函数返回相应结果，这时(Model Context Protocol)就可以派上用场了，它相当于我们电脑的USB-C接口，提供了一个标准方式让AI模型连接不同的应用和工具。我们可以建一个MUP Server来处理这类业务，比如市面上已有各类MUP Server，比较典型的高德地图MCP，除此之外，还有旅行交通的，提供房源问询，版本控制的，工具类mcp-openai，开发类等。
Qwen3第一时间详解：性能、突破、训练方法、版本迭代
2301_77727994的博客
04-29 952
今天凌晨，Qwen3发布了，这可能是2025年五一节假日前，在科技圈算是头条了；在《是讯飞晓医？嗯，是基于RAGFlow本地化搭建AI医疗助手》文章中，小编借助于RAGFlow+Qwen2.5，构建了一个本地化的AI医疗助手；让我们来详解一下Qwen3。
今夜，Qwen3发布，这就是目前最强的开源模型！
damoxing1121的博客
04-29 853
不仅囊括了中、英、法、西、俄、阿拉伯等主要的联合国语言，还包含德、意、日、韩、泰、越南、尼泊尔、瑞典、波兰、匈牙利等各国官方语言，甚至连中国的粤语、非洲的斯瓦西里语、中东的意第绪语、西亚的亚美尼亚语、东南亚的爪哇语、美洲的海地语等地方性语言都支持。快速排序 (Quick Sort): 选取“基准”（pivot），然后将元素分区（小于基准的放一边，大于等于的放另一边）的过程非常适合可视化。因为这些国家大多集中在亚洲、非洲、拉丁美洲和大洋洲，他们的总人口占了全球的70%，但经济却只有40%。
Qwen3-代码能力非常强悍，0.6B模型竟然比Gemma4B模型还要强
2401_85327249的博客
04-30 700
你没看错，千问3（Qwen3）的这次更新不是一个模型，而是一堆模型，Dense模型一共6款，大小从0.6B到32B不等；MoE混合专家模型有两个，30B和235B。 我上手就先用235B这个旗舰版测试了一下代码性能，用的是这个Prompt：
Qwen3快速部署 Qwen3-0.6B、Qwen3-8B、Qwen3-14B，Think Deeper
CSPhD-winston的博客
04-29 534
今天，通义千问Qwen团队正式开源推出 Qwen3，这是 Qwen 系列大型语言模型的最新成员。最新的Qwen3系列模型具备双模推理能力（深入思考/快速响应）、支持119种语言及方言，并强化了Agent功能与代码执行能力，全面满足复杂问题处理与全球化应用需求。安装transformers。
企业级最强开源大模型Qwen3震撼发布！本地部署+全面客观测评！
AAI666666的博客
05-05 597
今天凌晨阿里巴巴正式发布了Qwen3系列大语言模型，标志着阿里在开源AI领域迈出了重要一步。Qwen3不仅在多项权威基准测试中超越了OpenAI的o1和DeepSeek R1等国际主流开源模型，还在模型架构、推理能力、多语言支持等方面实现了全面升级。
qwen3微调
05-02
<think>好的，我现在要处理用户关于Qwen3微调方法指南的请求。首先，我需要回顾用户之前的对话历史，但看起来这是用户第一次询问这个问题，所以没有之前的交互。用户提到之前的引用是关于Qwen2-7B的微调实战，但需要调整到Qwen3。因此，我需要确保我的回答是基于Qwen3的最新信息，同时参考LLaMA-Factory框架的通用步骤。 首先，我需要确认Qwen3和Qwen2在微调上的差异。可能的变化包括模型架构的调整、数据集处理的不同或者训练参数的优化。不过，用户提供的引用中提到LLaMA-Factory支持Qwen系列，所以可能步骤类似，但需要明确说明针对Qwen3的具体调整。 接下来，我需要组织回答的结构。用户希望一个逐步的指南，所以应该分步骤说明环境配置、数据准备、参数设置、训练和验证等。每个步骤需要详细但清晰，确保用户能够跟随操作。例如，环境配置可能需要特定的依赖库版本，数据格式可能需要JSON或特定模板。 然后，我需要考虑用户可能遇到的问题，例如硬件要求、数据集格式转换、参数调优等。在回答中提前涵盖这些问题会更有帮助。例如，Qwen3可能需要更高的显存，或者使用不同的tokenizer设置。 同时，用户要求生成相关问题，我需要根据内容提出相关的扩展问题，比如性能优化、多任务微调、量化部署等，这些都能帮助用户进一步探索。 最后，要确保所有技术细节准确，比如正确的代码示例、正确的命令行参数，以及引用正确的资源，如Hugging Face模型库和LLaMA-Factory的GitHub仓库。同时，注意使用中文，并遵循LaTeX格式的要求，比如数学公式用$...$包裹，独立公式用$$...$$。 总结步骤： 1. 环境配置：安装LLaMA-Factory和依赖，确认PyTorch版本和CUDA兼容性。 2. 数据准备：提供数据集格式示例，说明如何构造符合Qwen3输入格式的数据。 3. 参数设置：解释关键参数，如学习率、批大小、LoRA配置，可能需要调整的地方。 4. 启动训练：给出具体的训练命令，包括模型路径、数据路径和输出目录。 5. 模型验证：使用推理脚本测试微调后的模型，并提醒可能需要的评估指标。 6. 高级技巧：提及全参数微调、多GPU训练和量化部署，扩展用户的后续操作可能性。 在撰写过程中，需要确保每个部分清晰，代码示例正确，并且参数设置针对Qwen3优化。同时，检查是否有遗漏的步骤，比如模型导出或部署，这些可能也是用户关心的问题。最后，生成的相关问题要覆盖微调的不同方面，帮助用户深入探索。</think>以下是根据最新实践整理的Qwen3微调方法指南，结合LLaMA-Factory框架特点与Qwen3模型特性编写： ### 一、环境配置 1. 基础环境要求 - Python≥3.8 - PyTorch≥2.0.1 - CUDA≥11.7 ```bash pip install llama-factory pip install transformers>=4.40.0 ``` 2. Qwen3专用依赖 ```bash pip install flash-attn --no-build-isolation # 提升训练效率 pip install tiktoken # Qwen3专用tokenizer ``` ### 二、数据准备 1. 标准数据格式（JSONL） ```json {"instruction":"写一首春天的诗","input":"","output":"春风拂面柳丝长..."} {"instruction":"解释量子计算","input":"量子比特","output":"量子比特是..."} ``` 2. 对话格式（支持Qwen3特殊模板） ```python def format_prompt(message): return f"<|im_start|>user\n{message}<|im_end|>\n<|im_start|>assistant\n" ``` ### 三、参数配置 关键参数示例（configs/ qwen3.json）： ```json { "model_name_or_path": "Qwen/Qwen3-7B", "lora_r": 8, // LoRA秩 "per_device_train_batch_size": 4, "gradient_accumulation_steps": 8, "learning_rate": 1e-5, "num_train_epochs": 3, "fp16": true, // 推荐A100使用bf16 "logging_steps": 50 } ``` ### 四、启动训练 ```bash CUDA_VISIBLE_DEVICES=0 python src/train_bash.py \ --stage sft \ --model_name_or_path Qwen/Qwen3-7B \ --dataset_dir data \ --template qwen \ --output_dir outputs/qwen3-7b-sft \ --overwrite_cache \ --use_unsloth \ # 加速训练 --flash_attn # 启用FlashAttention ``` ### 五、模型验证 ```python from transformers import AutoModelForCausalLM, AutoTokenizer model = AutoModelForCausalLM.from_pretrained("outputs/qwen3-7b-sft") tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen3-7B") inputs = tokenizer("<|im_start|>user\n写邮件请假<|im_end|>\n<|im_start|>assistant\n", return_tensors="pt") outputs = model.generate(**inputs, max_new_tokens=200) print(tokenizer.decode(outputs[0])) ``` ### 六、高级技巧 1. **全参数微调**：设置`--lora_target_modules "ALL"`启用全参数训练 2. **多GPU训练**：添加`--ddp_find_unused_parameters false`参数 3. **量化部署**：使用`--quantization_bit 4`进行4bit量化导出[^1]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值