Qwen 阿里再次点燃了AI开源篝火。

文｜邓咏仪

编辑｜苏建勋

四月二十八日，AI圈的从业人员正在等待一件事：Qwen 3。

从中午开始，Qwen 三条即将发布的小道消息，已满天飞舞。Qwen团队负责人林俊邈也在X上暗示：“看看我们今晚能否完成Qwen。 3工作”。

“智能出现”所在的多个行业讨论组，充满了不知道真假的Qwen。 3模型上传截图。AI从业者疯狂刷新GitHub、Qwen主页在HuggingFace中，Qwen主页由AI生成 3网上海报，现场模拟图，霸屏各种表情包，狂欢直到深夜才停止。

Qwen 最终在凌晨5点上线。Qwen新一代。 3参数仅为DeepSeek-R1的1/3，第一，成本大幅下降，性能完全超过R1、OpenAI-世界顶级模型，如o1。

更加重要的是，Qwen 配备了Claude 3.7等顶级模型的混合推理机制，将“快思”和“慢思”融为一体，大大降低了算率消耗。

Qwen 3开源共涉及8种不同的结构和尺寸模型，从0.6B到235B，适用于更多类型的手机设备。除模型外，Qwen还推出了Agents的原始框架，支持MCP协议，并有一种“让每个人都使用Agents”的力量。

大年初一前夕，DeepSeek爆红后的一月，阿里迅速推出了Qwen2.5-VL和Qwen2..5-Max，在快速展示肌肉的同时，也给了阿里集团更强的“AI味道”。在这种情绪的背景下，阿里股价在春节前后大幅上涨了30%以上。

但是与这次的旗舰模型Qwen相比。 以上所有模型都只是前奏。

对Qwen 3所有人都期待阿里在AI开源社区的声誉——如今，Qwen已经成为世界领先的开源模型系列。根据最新数据，阿里通义开源200多个模型，全球下载量超过3亿个模型，千问衍化模型超过10万个模型，已经超过了之前的开源霸主Llama。

假设DeepSeek是一支精英队伍，在技术上迅速冲锋；那Qwen就是一支军团，对于大模型布局较早，也更积极地进行生态，展现出更广泛的覆盖面和社区活力。

在某种程度上，Qwen也是大型落地产业的方向标。

一个典型的例子是，在DeepSeek R1发布后，很多单位和个人都想私下部署“满血版”DeepSeek(671B)，单硬件成本就要几百万元，落地成本更高。

阿里Qwen家族提供了更多的模型尺寸和类别，可以帮助行业更快地验证落地价值。就白话而言，开发者不需要自己裁剪模型，而是可以立即使用，然后迅速落地。Qwen 13B及以下模型，可控性强，的确是当今AI应用领域最受欢迎的模型之一。

DeepSeek R1已经成为开源历史上的锚点，也深刻影响了大模型竞争的趋势。与之前沉迷于刷Benchmark的模型制造商不同、做题，中国大厂迎来了一个必须证明自己真正技术实力的周期。

Qwen 3的发布，就是这样一段时间。

DeepSeek满血版的费用是1/3。 性能更强的R1

2024年9月，阿里云在云栖大会上发布了Qwen上一代模型。 2.5。Qwen2.5 从0.5B到72B的全系列模型一次性开源，涵盖了从端到云的全场景需求，可以在代码等多个类别中实现SOTA。

所有模型都允许商业使用和二次开发，这也被开发者称为 真正开放的AI”。

Qwen市场风传新一代。 第三，基于MoE架构，开源大小更大，成本可以比DeepSeek低-这些猜测都得到了一一证实。

Qwen 3 总共开源8个尺寸模型，分别是：

• 两个MoE(混合专家)模型的权重(指模型决策偏好)：30B（300亿）、参数235B(2350亿)
• 六个Dense模型：包括0.6个模型B（6亿）、1.7B（17亿）、4B（40亿）、8B（80亿）、14B（140亿）、32B（320亿）

在同一尺寸开源模型中，每个模型都达到SOTA(最佳性能)。

Qwen 3延续了阿里开源的慷慨风格，仍采用宽松的Apache2.0协议开源，首次支持119多种语言。世界各地的开发者、研究机构和公司都免费下载模型并进行商业化。

Qwen 三是最大的看点，一是成本大幅下降，同时性能也大幅提升。

在Qwen 在训练中，阿里付出了令人惊讶的代价。Qwen 3基于36万亿token进行预训练，这是上一代Qwen模型。 2.5的两倍，也可以排在世界顶级同等体量模型的前列。

根据Qwen团队公开的数据，只需4张H20就可以安排Qwen。 3满血版，显存占用仅为性能相近模型的三分之一。

成本下降，但性能反而更高。

Qwen的推理能力有了很大的提高。就数学、代码生成和常识逻辑判断而言，Qwen 3都超过了以前的推理模型。 QwQ(思维模式)和 Qwen2.5 模型(非思维模式)。

但是，在代码、数学、通用能力等基准测试中，Qwen 也可以和现在的顶级模型o3-mini、Grok-3 和 Gemini-顶级模型，如2.5-Pro。

△Qwen 3性能图 来源：Qwen 3

另一个核心亮点是Qwen模型对于智能体（Agents）全面适配。

假设OpenAI的o1模型一脚踢开了推理模型的大门，DeepSeek R1的发布让所有用户看到了推理模型的魔力:模型有一个像人类一样的“思维链”，有一个思维顺序，不断验证是否正确，演绎出自己认为合适的答案。

但是如果只有深入思考，缺点也是显而易见的。即使你问简单的天气，今天穿什么，DeepSeek也会来回纠结，自我怀疑，不断验证，经历从几十秒到几十秒的过度思考——如果DeepSeek不向客户展示模型的探索链，基本上没有客户能忍受这样的对话感受。

2024年9月，阿里首席执行官吴泳铭在云栖大会上表示:“AI最大的想象力不是手机屏幕，而是接管数字世界，改变物理世界”。

智能体是通往这种愿景的重要途径。因此，Qwen3制作混合和推理模型至关重要:在单一模型中，思维模式(用于复杂的逻辑判断、数学和编码)和非思维模式(用于高效的通用对话，如询问天气、历史知识等简单信息搜索)可以无缝切换。

推理与非推理任务的融合能力，实际上是让模型：

• 能理解数字世界，更强调识别、检索、分类等非推理能力，
• 可操作数字世界，更注重推理能力，模型可自主规划、决策、编程等典型应用，如Manus。

Qwen 3的API可以根据需要设置“思维预算”(也就是预期深度思考的tokens数量)，在一定程度上进行思考，确保各种场景都能达到最佳性能。

在以往的机制中，客户需要手动开关“深度思考”，一次对话中可能只能专注于一种方式；但是Qwen 3新机制将这一选择移交给模型-模型，可以自动识别任务场景，选择思维模式，降低客户对模型的干扰成本，带来更丝滑的产品体验。

混合推理是目前比较难的技术方向，需要极其精细创新的设计和培训，远比纯粹的培训推理模型难。模型要学会两种不同的导出分布，两种方式结合起来，基本不影响任何模式下的效果。

目前流行的模型只有Qwen。 3、Claude3.还有Gemini 2.5 Flash能做得更好的混合推理。

混合推理可以整体提高模型使用的性价比，既提高了智能水平，又整体降低了计算率能耗。举例来说，Gemini-2.5-Flash，在推理和非推理模式下，价格相差约6倍。

Qwen团队几乎提供了一个保姆式的工具箱，以便每个人都能立即开发Agents：

• Qwen 最近流行的MCP协议，有工具调用（Function Calling）能力，两者都是Agents的主要框架
• Qwen的原生-Agent 框架包装了工具调用模板和工具调用分析器。
• API服务也同步上线，公司可通过阿里云百炼直接调用。

如果以装修为例，这就像Qwen团队建造房屋并完成硬装，并为您提供一些软装，开发者可以直接使用大量服务。这将大大降低编码的复杂性，进一步降低开发门槛。例如，许多任务，如手机和计算机Agent操作，可以有效实现。

开源模型进入新一轮竞争周期。

DeepSeek R1在获得爆炸性音量并成为全球开源模型的标杆后，模型发布不再是简单的产品更新，而是代表公司战略的关键方向。

Qwen DeepSeek3的发布值 在R1之后，开源社区的新一轮竞争已经开始：2025年4月，Meta旗下的Llama 4月初正式发布，但由于效果不佳，受到了许多批评；而且之前屡遭挫折的AI巨头Google，也通过Geminini 2.5 pro，把一个城市拉回开源领域。

通用大模型层的能力还在快速变化，很难有厂商一直领先。在这个时间点，如何确定大模型团队的发展主线，不仅仅是一个技术问题，更是一个判断不同产品路线和业务的策略问题。

在Qwen 在3的发布中，我们可以看到一个更加务实的开源策略。

举例来说，Qwen3这次提出了一个模型尺寸，比Qwen3更大 2.5时的尺寸划分更加细致。实现资源有限的设备(如手机、边缘计算设备)的高效运行，Qwen 能够同时保证一定的性能，满足轻量级推理、对话等需要。

阿里仔细解释了每一个模型的适用场景：

• 最小参数模型(例如0.6B和1.7B）：为开发者提供支持 speculative decoding(推断解码) 用作试验模型，对科研非常友好；
• 4B模型：建议应用于手机端侧。
• 8B模型：建议应用于计算机或汽车端面。
• 14B模型:适合落地应用。一般来说，开发者可以玩几张卡片。
• 32B模型：开发者和企业最喜欢的模型尺寸，支持企业大规模布局商业用途

但是在旗舰模型上，Qwen 3模型规模和结构，也是一种更加精巧，更容易落地应用的设计。

235B(235亿参数)和DeepSeek，Qwen旗舰版模型 直接对比R1满血版：

• Qwen 3 235B选择中等规模(235B)和高效激活设计(22B激活，约9.4%)，只需4张H20。 可以安排GPU；
• DeepSeek-推荐16卡H20配置，R1追求超大规模(671B)和稀疏激活(37B激活，约5.5%)，约200万元。

就部署成本而言，Qwen 3是25%-35%的满血版R1，模型部署费用大幅下降6-70%。

DeepSeek R1之后，如果大模型领域达成共识，那就是——再次将资源和人力投入到模型层面的技术突破中，让模型能力突破应用能力的上限。

现在大模型领域，再一次将目光转向模型能力的突破。

从Qwen发布主题的变化中，我们也可以看到当今技术主线的变化：Qwen 2.5发布时，主题是“扩展大型语言模型的边界”，而Qwen则是 第三，就是《思深，行速》，专注于提高模型能力的应用性能，拉低抑郁的门槛，而不是简单地扩大参数规模。

现在，通义千问Qwen在全球下载量超过3亿，在2024年HuggingFace社区全球模型下载量中，Qwen占了30%以上。阿里巴巴云模型的开源策略，已经走出了另一条更加清晰的道路：真正成为使用的土壤。

欢迎交流

欢迎交流

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com