阿里Qwen3模型

        Qwen3是阿里巴巴开源的国内首个混合推理大模型，支持"思考模式"与"非思考模式"无缝切换。

        旗舰模型Qwen3-235B-A22B采用混合专家（MoE）架构，总参数量235B，专家模型数量128个，活跃参数量22B，活跃专家模型8个，在代码、数学、通用能力等基准测试中，与业界顶级模型表现相当，展现出极强的竞争力，性能略微超越DeepSeek R1，属于开源界的顶级模型。

一、模型矩阵

名称	类型	上下文 长度	神经层数	阿里云推荐 显存配置	华为推荐 显存配置	主要特点
Qwen3-235B-A22B	MOE	128K	94	8*96GB	8卡64GB 2台Atlas800I A2	旗舰模型，编码、数学、通用能力媲美DeepSeek-R1、Grok-3，高效推理
Qwen3-30B-A3B	MOE	128K	48	4*96GB	8卡32GB 1 台Atlas800I A2	小型MoE，性能超Qwen2.5-32B，推理成本低，适合本地部署
Qwen3-32B	Dense	128K	64	1*96GB	8卡32GB 1 台Atlas800I A2	高性能密集模型，适合复杂任务，推理能力匹敌Qwen2.5-72B，适合企业级部署
Qwen3-14B	Dense	128K	40	1*48GB	Atlas 300I Duo	中等规模，平衡性能与资源占用，适合企业级应用
Qwen3-8B	Dense	128K	36	1*24GB	Atlas 300I Duo	轻量高效，适用于电脑或汽车端的对话系统、语音助手场景
Qwen3-4B	Dense	32K	36	1*24GB	Atlas 300I Duo	小型模型，推理速度快，适用于移动端部署
Qwen3-1.7B	Dense	32K	28	1*24GB	Atlas 300I Duo	超轻量，适合移动设备
Qwen3-0.6B	Dense	32K	28	1*24GB	Atlas 300I Duo	最小规模，极低资源需求，适用于低功耗场景，例如本地测试、科学研究

二、基准测试

        旗舰模型 Qwen3-235B-A22B与其他顶级模型（如DeepSeek-R1、o1、o3-mini、Grok-3和Gemini-2.5-Pro）相比，在编码、数学、通用能力等各项基准测试中，成绩相当亮眼，表现出极强的竞争力。

        在评估模型人类偏好对齐的ArenaHard测评中，以95.6分超越了OpenAI-o1及DeepSeek-R1。

        在奥数水平的AIME25评测中，斩获81.5分，刷新开源记录。

        在考察代码能力LiveCodeBench评测中，Qwen3突破70分，表现优越Grok3。

        此外，小尺寸模型同样表现亮眼，Qwen3-4B在数学、代码能力上“以小博大”，和比自身大10倍模型水平相当。

各评测项说明：

评测名称	说明	解读重点
ArenaHard	综合对话能力的人工对比评测，偏重 " 困难场景 "	高分代表对话生成自然、逻辑性强
AIME'24 / '25	数学竞赛题，测试数学推理、数列、几何等能力	GPT-4o 分数很低，因其在该基准测试中未开启 " 思考模式 "，Qwen3 表现更实际
LiveCodeBench	代码生成任务，结合实时代码执行验证正确性	Qwen3-4B 表现接近 GPT-4o，说明小模型已具备强代码能力
CodeForces（Elo Rating）	类似编程竞赛 Elo 排名，越高越强	Qwen3-4B > GPT-4o，意味着它在 " 解题速度 + 准确性 " 上优于 GPT-4o
GPQA	高质量问答集（类似学术类 QA），考察多跳推理	Qwen 系列保持优势，说明对知识与推理兼顾
LiveBench	实时对话任务评测，包括多轮上下文与事实性要求	GPT-4o 得分较低（52.2），说明未必在所有任务中都最优
BFCL	指令遵循与对话连贯性测试，Qwen 使用 FC 格式评估	GPT-4o 表现最强，Qwen3-4B 略弱但接近
MultiIF（8 Languages）	多语言指令跟随能力评估	Qwen3-4B 具有较好多语泛化，优于 GPT-4o（特别在非英语场景）

三、模型亮点

1、国内首个混合推理模型

        思考模式和非思考模式无缝切换，可以根据不同的任务需要选择不同的模式，无需跟往常一样同时部署推理模型和对话模型，一个模型即可搞定所有工作。

        思考模式：该模式下，模型会逐步推理，经过深思熟虑后给出最终答案。这种方法非常适合需要深入思考的复杂问题。

        非思考模式：该模式中，模型提供快速、近乎即时的响应，适用于那些对速度要求高于深度的简单问题。

思考模式与非思考模式切换通过enable_thinking参数控制，禁用思考模式，将enable_thinking设置为false，默认为思考模式。

当启用思考模式时，也可以使用软切换机制来动态控制模型的行为。操作起来非常简单，只需要在用户提示词或系统消息中添加 /think 和 /no_think ，即可在不同轮次的交互中实现推理或者简单对话。

2、支持119种语言和方言

语系	语种&方言
印欧语系	英语、法语、葡萄牙语、德语、罗马尼亚语、瑞典语、丹麦语、保加利亚语、俄语、捷克语、希腊语、乌克兰语、西班牙语、荷兰语、斯洛伐克语、克罗地亚语、波兰语、立陶宛语、挪威语（博克马尔语）、挪威尼诺斯克语、波斯语、斯洛文尼亚语、古吉拉特语、拉脱维亚语、意大利语、奥克语、尼泊尔语、马拉地语、白俄罗斯语、塞尔维亚语、卢森堡语、威尼斯语、阿萨姆语、威尔士语、西里西亚语、阿斯图里亚语、恰蒂斯加尔语、阿瓦德语、迈蒂利语、博杰普尔语、信德语、爱尔兰语、法罗语、印地语、旁遮普语、孟加拉语、奥里雅语、塔吉克语、东意第绪语、伦巴第语、利古里亚语、西西里语、弗留利语、撒丁岛语、加利西亚语、加泰罗尼亚语、冰岛语、托斯克语、阿尔巴尼亚语、林堡语、罗马尼亚语、达里语、南非荷兰语、马其顿语僧伽罗语、乌尔都语、马加希语、波斯尼亚语、亚美尼亚语
汉藏语系	中文（简体中文、繁体中文、粤语）、缅甸语
亚非语系	阿拉伯语（标准语、内志语、黎凡特语、埃及语、摩洛哥语、美索不达米亚语、塔伊兹-阿德尼语、突尼斯语）、希伯来语、马耳他语
南岛语系	印度尼西亚语、马来语、他加禄语、宿务语、爪哇语、巽他语、米南加保语、巴厘岛语、班加语、邦阿西楠语、伊洛科语、瓦雷语（菲律宾）
德拉威语	泰米尔语、泰卢固语、卡纳达语、马拉雅拉姆语
突厥语系	土耳其语、北阿塞拜疆语、北乌兹别克语、哈萨克语、巴什基尔语、鞑靼语
壮侗语系	泰语、老挝语
乌拉尔语系	芬兰语、爱沙尼亚语、匈牙利语
南亚语系	越南语、高棉语
其他	日语、韩语、格鲁吉亚语、巴斯克语、海地语、帕皮阿门托语、卡布维尔迪亚努语、托克皮辛语、斯瓦希里语

3、训练数据量翻倍，基础更扎实

        

4、原生支持MCP，Agent新业态

        Qwen3原生支持模型上下文协议(MCP)，并提供强大的函数调用能力，可通过Qwen-Agent框架实现复杂的工具调用和任务执行。

5、多模态融合能力

        Qwen3 集成视觉（Qwen3-VL）、音频（Qwen3-Audio）模块，支持图像描述、语音转录及跨模态生成等任务，能够处理多种类型的任务，为用户带来更丰富的应用场景和交互方式。

• Qwen3-VL：图像描述准确率91.2%（GPT-4V为85.7%），支持医学影像分析，可识别CT片中0.3mm的肺部结节。
• Qwen3-Audio：语音识别错误率较Qwen2.5下降40%，支持方言转录，粤语识别准确率达98.6%。
• Qwen3-math：数学竞赛题解准确率89.3%，超越人类平均水平，可自动生成奥数题分步解析。

6、高效推理与硬件适配

        Qwen3 兼容 vLLM、SGLang 与 llama.cpp，新增 Flash Attention2 支持，推理速度在 A100 GPU 上提升约 20%，且全面支持鲲鹏、昇腾等国产算力芯片，在政务金融场景实测效率提升显著。

四、总结

        1、开源界顶级模型，整体表现略好于R1，但是相比R1不算有太大突破。

        2、混合思维方式，同时支持思考、非思考两种模式，能同时满足智能客服、代码助手等场景，节约一套硬件资源。

        3、原生支持MCP+Agent，能更好与应用场景集成，执行复杂任务。

        4、代码能力突出，适用于构建代码助手。

        5、原生多模态能力，能适配更多应用场景。但是当前多模态能力集中于图文、语音， 视频流实时推理和3D建模生成尚未完全开放，需加速技术迭代。