阿里终于出手Qwen3正式发布

四月的AI界略显沉寂，眼看着这一周就要在平淡中结束。然而，阿里没有让人失望，期待已久的 通义千问 Qwen3 终于重磅登场，瞬间引爆全网。

这一次，AI界的“汪峰”终于成功抢到了头条。

那么问题来了——这次发布会到底发布了什么？

简单来说，一句话总结： 一次发布八款模型，覆盖多种规模与架构，全面开源！

具体来看：

2个MoE模型：分别是 Qwen3-235B-A22B 和 Qwen3-30B-A3B ，分别表示总参数为2350亿和激活约220亿 / 300亿；

6个稠密模型：包括 Qwen3-32B 、 Qwen3-14B 、 Qwen3-8B 、 Qwen3-4B 、 Qwen3-1.7B 和 Qwen3-0.6B 。

从个位数到千亿级，各种尺寸一应俱全，全部基于 Apache 2.0 协议开源。无论你是科研人员、开发者还是创业者，总有一款适合你。

模型性能怎么样？看数据说话！

旗舰模型 Qwen3-235B-A22B 在代码、数学以及通用能力等基准测试中，表现极具竞争力，对标 DeepSeek-R1、OpenAI o1、o3-mini、Grok-3 和 Gemini-2.5-Pro 等顶级模型毫不逊色。

更令人惊喜的是，小型 MoE 模型 Qwen3-30B-A3B 仅激活30亿参数，却拥有接近甚至超越传统大模型（如 QwQ-32B）的表现。即使是轻量级的 Qwen3-4B ，也能媲美 Qwen2.5-72B-Instruct 的性能。

核心亮点一览

1. 双模式推理机制：思考 or 不思考，自由切换

不同于 DeepSeek R1 或 OpenAI o1 这类专注于推理的模型，Qwen3 支持两种思考模式： 推理模式 与 非推理模式 ，并可以在两者之间无缝切换。这种灵活性让用户可以根据任务需求控制模型是否深入“思考”，实用性拉满。

2. 强化 Agent 能力：不只是模型，更是智能体

当前主流模型都在强化对 Agent 的支持，Qwen3 自然也不例外。其 Agent 功能和代码能力经过优化，并增强了对 MCP（ 的支持，进一步提升了多智能体协作的能力。

训练细节揭秘

【预训练阶段】

Qwen3 的预训练数据量是 Qwen2.5 的两倍，总计高达 36 万亿 token ，涵盖 119 种语言与方言 。整个训练过程分为三个阶段：

S1 阶段

：基础语言技能与通用知识学习；

S2 阶段

：加强 STEM、编程和逻辑推理能力；

S3 阶段

：使用精心挑选的 5 万亿 token 数据集进行微调。

得益于架构优化、数据扩容及高效训练方法，Qwen3 的稠密基础模型在性能上已能匹敌甚至超越更大参数量的 Qwen2.5 模型。例如：

Qwen3-1.7B/4B/8B/14B/32B-Base ≈ Qwen2.5-3B/7B/14B/32B/72B-Base

尤其在 STEM、编码和推理领域，Qwen3 表现更为出色。

对于 MoE 模型而言，它们只需激活约10%的参数即可达到与 Qwen2.5 稠密模型相当的性能，显著降低了训练和推理成本。

【后训练流程：四步打造全能模型】

Qwen3 的后训练流程类似于 DeepSeek R1，采用了四阶段策略：

长思维链冷启动

使用多样化的长思维链数据（涵盖数学、编程、逻辑推理等）对模型进行初步微调，培养基本推理能力。

长思维链强化学习

利用规则奖励机制进行大规模强化学习，提升模型的探索和分析深度。

思维模式融合

在包含长思维链和标准指令微调数据的混合数据集上继续训练，实现推理模式与快速响应模式的自然过渡。

通用强化学习

最后阶段专注于20多个通用任务领域，包括指令遵循、格式规范、Agent行为等，全面提升模型通用性并纠正潜在不良行为。

总结

Qwen3 的发布不仅是阿里在大模型领域的又一次集中发力，更是对整个 AI 社区的一次重磅回馈。凭借丰富的模型种类、强大的性能表现、灵活的双模式设计以及开源精神，Qwen3 无疑将成为下一阶段 AI 开发者手中的利器。

如果你想理解体验，可以到 https://chat.qwen.ai/上面使用。

如需获取更多技术细节或开始使用 Qwen3，欢迎访问阿里官方文档或开源平台。

📮