Qwen3来袭，一手实测来了，系列里面最好用的竟然是它

程序员一粟

于 2025-05-19 21:12:29 发布

阅读量554

点赞数 17

文章标签：人工智能服务器开发语言运维数据库编程程序员

本文链接：https://blog.csdn.net/jennycisp/article/details/148074637

版权

Qwen3与2025.4.29凌晨发布，此次发布3一如既往的引起轰动，一方面来自于开源社区对LLama4的失望，另一方面来自于Qwen系列一直以来不是上来发布一个238B的看起来很牛逼但实际上并没有什么卵用的超大模型，而是一系列的小模型，尺寸从几千万参数到几百亿不等。可以说是非常实用且合理。

一、模型发布概览

以下是Qwen3系列模型的详细信息，包括模型尺寸、参数大小以及是否为MoE架构的表格：

模型名称	总参数规模	激活参数规模	是否MoE	上下文长度	备注
Qwen3-0.6B	0.6B	-	否	32K	超小型模型，适合端侧设备部署
Qwen3-1.7B	1.7B	-	否	32K	移动端优化，显存占用低
Qwen3-4B	4B	-	否	32K	性能匹敌Qwen2.5-72B-Instruct
Qwen3-8B	8B	-	否	128K	延续Qwen系列参数规模
Qwen3-14B	14B	-	否	128K	通用任务性能提升
Qwen3-32B	32B	-	否	128K	性能对标Qwen2.5-72B
Qwen3-30B-A3B	30B	3B	是	128K	MoE架构，激活参数为QwQ-32B的10%
Qwen3-235B-A22B	235B	22B	是	128K	旗舰MoE模型，性能超越DeepSeek-R1/Gemini-2.5-Pro等

其中几大亮点：

大尺寸MoE，超越了Deepseek R1，并且部署成本更低

4B的模型代码能力超越GPT4o，是的你没看错

Qwen3-30B-A3B以3B激活的尺寸，超越了DeepseekV3（激活32B）

可以看出，这一次的黑马应该是Qwen3-4B，以及**Qwen3-30B-A3B，**以前我觉得MoE没啥用，很难打败同尺寸的Dense模型，但是把A缩小，这个推理的增益就显得有点恐怖了。你几乎可以以一个3B的速度，来达到一个72B Dense的效果。

反观LLama4, 400B激活17B，不能说是用处大，几乎可以说是没有一丁点卵用。

与此同时，RIP LLama4

二、Qwen3上手实测

简单测了几道题目，这道题目很少看到LLM能做对，但是，Qwen3 炸裂。

In a room I have only 3 sisters.

Anna is reading a book

Alice is playing a match of chess

What the third sister, Amanda is doing ?

这个A3B能知道，Amanda在和Alice玩国际象棋。它能推理出来，象棋需要两个人玩！

Kevin currently has 8 apples. He ate 3 apples yesterday. How many apples does Kevin have now?

但是遗憾的是，它没有能回答这个问题。

这个问题，Qwen3-32B能回答正确：

太溜了。这个问题连Claude一开始都是跪下的。

尝试打开思考模式，MoE基本上都是跪下的，A22B也是跪下的，这么看来，还是Dense模型厉害，MoE仅仅只适合在推理增益非常大的情况下有用，例如这一次的30BA3B，就很让人心动，虽然大体上能力远不如32B。

Sally is a girl. She has 3 brothers. Each brother has 2 sisters. How many sisters does Sally have?

这道经典题目，在之前只有Gemini1.5能回答正确。现在30B-A3B也可以了。

I do not not not like eggs. Do I like eggs?

超级经典问题：

A3B只有在开启thinking模式下才能work。

Generate ten sentences ending in apple.

总结

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。

最后感谢Qwen团队慷慨的开源，让我们可以直接获取到这些伟大的模型。同时这也进一步倒逼开源界产出更强大的模型，让AGI真正平权。

不知道如果DeepSeek继续开发小模型和新的强化模型，是否能和Qwen3一战？

大模型岗位需求

大模型时代，企业对人才的需求变了，AIGC相关岗位人才难求，薪资持续走高，AI运营薪资平均值约18457元，AI工程师薪资平均值约37336元，大模型算法薪资平均值约39607元。
在这里插入图片描述

掌握大模型技术你还能拥有更多可能性：

• 成为一名全栈大模型工程师，包括Prompt，LangChain，LoRA等技术开发、运营、产品等方向全栈工程；

• 能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；

• 薪资上浮10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；

• 更优质的项目可以为未来创新创业提供基石。

可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把全套AI技术和大模型入门资料、操作变现玩法都打包整理好，希望能够真正帮助到大家。

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用