阿里終于出手，Qwen3正式發布！

四月的AI界略顯沉寂，眼看著這一周就要在平淡中結束。然而，阿里沒有讓人失望，期待已久的通義千問 Qwen3終于重磅登場，瞬間引爆全網。

這一次，AI界的“汪峰”終于成功搶到了頭條。

那么問題來了——這次發布會到底發布了什么？

簡單來說，一句話總結：一次發布八款模型，覆蓋多種規模與架構，全面開源！

具體來看：

• 2個MoE模型：分別是Qwen3-235B-A22B和Qwen3-30B-A3B，分別表示總參數為2350億和激活約220億 / 300億；

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

從個位數到千億級，各種尺寸一應俱全，全部基于 Apache 2.0 協議開源。無論你是科研人員、開發者還是創業者，總有一款適合你。

模型性能怎么樣？看數據說話！

旗艦模型Qwen3-235B-A22B在代碼、數學以及通用能力等基準測試中，表現極具競爭力，對標 DeepSeek-R1、OpenAI o1、o3-mini、Grok-3 和 Gemini-2.5-Pro 等頂級模型毫不遜色。

更令人驚喜的是，小型 MoE 模型Qwen3-30B-A3B僅激活30億參數，卻擁有接近甚至超越傳統大模型（如 QwQ-32B）的表現。即使是輕量級的Qwen3-4B，也能媲美 Qwen2.5-72B-Instruct 的性能。

核心亮點一覽1. 雙模式推理機制：思考 or 不思考，自由切換

不同于 DeepSeek R1 或 OpenAI o1 這類專注于推理的模型，Qwen3 支持兩種思考模式：推理模式與非推理模式，并可以在兩者之間無縫切換。這種靈活性讓用戶可以根據任務需求控制模型是否深入“思考”，實用性拉滿。

2. 強化 Agent 能力：不只是模型，更是智能體

當前主流模型都在強化對 Agent 的支持，Qwen3 自然也不例外。其 Agent 功能和代碼能力經過優化，并增強了對MCP（Multi-Agent Communication Protocol）的支持，進一步提升了多智能體協作的能力。

訓練細節揭秘【預訓練階段】

Qwen3 的預訓練數據量是 Qwen2.5 的兩倍，總計高達36 萬億 token，涵蓋119 種語言與方言。整個訓練過程分為三個階段：

• S1 階段

  ：基礎語言技能與通用知識學習；

• S2 階段

  ：加強 STEM、編程和邏輯推理能力；

• S3 階段

  ：使用精心挑選的 5 萬億 token 數據集進行微調。

得益于架構優化、數據擴容及高效訓練方法，Qwen3 的稠密基礎模型在性能上已能匹敵甚至超越更大參數量的 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、編碼和推理領域，Qwen3 表現更為出色。

對于 MoE 模型而言，它們只需激活約10%的參數即可達到與 Qwen2.5 稠密模型相當的性能，顯著降低了訓練和推理成本。

【后訓練流程：四步打造全能模型】

Qwen3 的后訓練流程類似于 DeepSeek R1，采用了四階段策略：

1. 長思維鏈冷啟動

   使用多樣化的長思維鏈數據（涵蓋數學、編程、邏輯推理等）對模型進行初步微調，培養基本推理能力。

2. 長思維鏈強化學習

   利用規則獎勵機制進行大規模強化學習，提升模型的探索和分析深度。

3. 思維模式融合

   在包含長思維鏈和標準指令微調數據的混合數據集上繼續訓練，實現推理模式與快速響應模式的自然過渡。

4. 通用強化學習

   最后階段專注于20多個通用任務領域，包括指令遵循、格式規范、Agent行為等，全面提升模型通用性并糾正潛在不良行為。

Qwen3 的發布不僅是阿里在大模型領域的又一次集中發力，更是對整個 AI 社區的一次重磅回饋。憑借豐富的模型種類、強大的性能表現、靈活的雙模式設計以及開源精神，Qwen3 無疑將成為下一階段 AI 開發者手中的利器。

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

如需獲取更多技術細節或開始使用 Qwen3，歡迎訪問阿里官方文檔或開源平臺。

本文由「AI 范兒」出品

我每天都在更新，如果你覺得這些內容對你有用，

那我們就加個關注、交個朋友。