Qwen3 性能全面超越 R1、OpenAI-o1 等全球顶尖模型，旗舰型号的参数量仅为 DeepSeek-R1 的 1/3。
作者｜宛辰
编辑｜郑玄
2025 年已经过去 1/3，如果用关键词来概括 AI 领域的发展你会想到什么？这是我想到的：开源、创新加速加速加速。
2 月是「DeepSeek」的，R1 以所有人意想不到的方式，让全球执牛耳的 AI 开发者、创业者、投资人把目光锁定在「DeepSeek」「中国」「开源」上。
4 月是「开源模型」的，发令枪是 Meta 喊的。被 DeepSeek 盖过风头后，2025 年 2 月 19 日，坐不住的 Meta 率先官宣——首个生成式 AI 开发者大会 LlamaCon 将于当地 4 月 29 日（北京时间 4 月 30 日）举行，颇有重新夺回「AI 开源界老大」江湖地位的意欲。
但 AI 领域的产品发布节奏就是很微妙，什么时候发布似乎取决于对手的动作，作为一种心照不宣的默契，Meta 一声枪响让 4 月底成为开源模型的主场。
整个 4 月甚至更早，AI 开发者们都在各大社交平台「蹲」开源领域「三大头牌」的新发布：DeepSeek-R2、Qwen3 以及 Llama4。Llama4 由于本月初的发布低于预期，似乎少了一些热度。
目前看起来，4 月底最受关注的还是中国队，R2 呼之欲出，Qwen3 终于来了。
4 月 29 日凌晨 5 点，阿里巴巴开源新一代通义千问模型 Qwen3，参数量仅为 DeepSeek-R1 的 1/3，成本大幅下降，性能全面超越 R1、OpenAI-o1 等全球顶尖模型，登顶全球最强开源模型。X 平台的开发者网友甚至把今天定义为「Happy Qwen3 Day」，不仅因为 Qwen3 全面超越 R1，更因为 Qwen3 家族的多尺寸、内置 MCP 支持、支持混合推理等实用性的功能点。
官方技术报告进一步给出了 Qwen3 的几大亮点：

  • 「探索智能上限」再突破：通过扩大预训练和强化学习的规模，实现了更高层次的智能；

  • 国内首个「混合推理模型」：无缝集成了思考模式与非思考模式，为用户提供了灵活控制思考预算的能力；

  • 增强了 Agent 能力：正从专注于训练模型的时代过渡到以训练 Agent 为中心的时代。

对于 Qwen3，个人用户现在就可以在「通义」APP 或 chat.qwen.ai 网页直接体验，夸克也即将全线接入 Qwen3。开发者和企业则可以免费在魔搭社区、HuggingFace 等平台下载模型并商用，或通过阿里云百炼调用 Qwen3 的 API 服务。
憋了这么久的 Qwen3 到底怎么样？又代表哪些模型发展的趋势？

01

Qwen3，登顶全球最强开源模型
Qwen3 包含 2 个 MoE 和 6 个密集模型，阿里云开源了两个 MoE 模型的权重，六个 Dense 模型也已开源，包括 Qwen3-32B、Qwen3-14B、Qwen3-8B、Qwen3-4B、Qwen3-1.7B 和 Qwen3-0.6B，均在 Apache 2.0 许可下开源。
Qwen3 开源模型家族
其中，旗舰型号 Qwen3-235B-A22B 参数量仅为 DeepSeek-R1 的 1/3，成本大幅下降，性能全面超越 R1、OpenAI-o1 等全球顶尖模型，登顶全球最强开源模型。
此外，据阿里云官方介绍，Qwen3 是国内首个「混合推理模型」。「快思考」与「慢思考」集成进同一个模型，对简单需求可低算力「秒回」答案，对复杂问题可多步骤「深度思考」，大大节省算力消耗。
Qwen3 在推理、指令遵循、工具调用、多语言能力等方面均大幅增强，创下所有国产模型及全球开源模型的性能新高：在奥数水平的 AIME25 测评中，Qwen3 斩获 81.5 分，刷新开源纪录；在考察代码能力的 LiveCodeBench 评测中，Qwen3 突破 70 分大关，表现甚至超过 Grok3；在评估模型人类偏好对齐的 ArenaHard 测评中，Qwen3 以 95.6 分超越 OpenAI-o1 及 DeepSeek-R1。
性能大幅提升的同时，Qwen3 的部署成本还大幅下降，仅需 4 张 H20 即可部署千问 3 满血版，显存占用仅为性能相近模型的三分之一。
Qwen3 性能｜图片来源：阿里云
此外，小型 MoE 模型Qwen3-30B-A3B 的激活参数数量是 QwQ-32B 的 10%，表现更胜一筹，甚至像 Qwen3-4B 这样的小模型也能匹敌 Qwen2.5-72B-Instruct 的性能。
据介绍，Qwen3-235B-A22B 是一个拥有 2350 多亿总参数和 220 多亿激活参数的大模型；Qwen3-30B-A3B 则是一个拥有约 300 亿总参数和 30 亿激活参数的小型 MoE 模型。
得益于在预训练、大规模强化学习和推理模式整合方面取得的显著进展，Qwen3 主打「思考更深、行动更快」，更好地构建 AI 应用。Qwen3 预训练数据量达 36T，并在后训练阶段多轮强化学习，将非思考模式无缝整合到思考模型中。
值得注意的是，这次 Qwen3 的发布，主打混合推理，但是需要思考的长度最短也是 1024tokens，否则如果问题所需要的推理预算用不满 1024tokens，根本感受不到可以调节精度的混合推理模型的好。也就无法发挥用 Qwen3 不同程度的思考，灵活满足 AI 应用和不同场景对性能和成本的多样需求。
截图来源：X

02

大模型全面转向

「混合推理模型」和「Agent」
在 Qwen3 发布的前一天，X 平台已有「行业人士」——日本的大模型厂商 SakanaAI 的一位工程师敏锐地捕捉到了 Qwen3 的重点。当天，在 AI 领域最重要的学术会议之一 ICLR 2025 的一个工作坊上，阿里云通义实验室通义千问负责人林俊旸透露了 Qwen 的下一步方向：推理模型和非推理模型的统一，以及面向 agent 的大模型。
这正是今天发布的 Qwen3 最大的两个特点，同时也是大模型厂商们正在集体发生的转向。
2025 年 2 月 25 日，Anthropic 发布了最新的旗舰模型 Claude 3.7 Sonnet，同时也称作是市场上首个混合推理模型。这意味着 Claude 3.7 Sonnet 能够生成即时的响应（快思考），也可以进行延展的、逐步的思考（慢思考）。API 用户还可以细粒度地控制模型的思考时长；当给定更长的思考时间，理论上会有更高质量的答案。
Anthropic 表示，混合推理模型的架构代表下一代前沿模型，可以让模型像人类用同一个大脑一样，既能快速反应又能深度思考，这既能为用户创造更无缝的体验，也能让用户通过 API 使用 Claude 3.7 Sonnet 时，可以控制思考的预算。比如：可以告诉 Claude 最多思考 N 个 token，N 的取值可以达到其输出限制的 128K token，从而在回答质量与速度（及成本）之间进行权衡。
「混合推理架构」也得到了 OpenAI 的青睐。Sam Altman 在更早的时间看到，当前的模型和产品供应已经变得非常复杂，希望 AI 能「开箱即用」、简化产品供应，「我们和你一样讨厌模型选择器，想要回归神奇的统一智能，之后，我们的一个重要目标是通过创建能够使用我们所有工具、知道何时需要长时间思考或不需要的系统，统一 o 系列模型和 GPT 系列模型，整体上能广泛适用于各种任务。」
就像在 DeepSeek-R1 里一样，点选「深度思考」背后调用的是推理模型 R1 做的长推理，不选则调用的是基座模型 V3 即时生成的答案。现在，模型厂商把「思考的颗粒度」这个选择权更灵活、广泛地交给用户来控制推理预算。
在 Qwen3 中，可以滑动「思考预算」的按钮，来控制思考的最大长度，从而匹配合适的推理质量和成本。
在思考模式下，Qwen3 模型会逐步推理，经过深思熟虑后给出最终答案，适合需要深入思考的复杂问题。在非思考模式下，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。这种灵活性使用户能够根据具体任务控制模型进行「思考」的程度。这两种模式的结合大大增强了模型实现稳定且高效的「思考预算」控制能力，在成本效益和推理质量之间实现更优的平衡。
另一个模型厂商的转向则是 Agent。随着 Manus 验证了 Claude 3.5 Sonnet 达到了通用 agent 的一些能力，加上模型调用工具、实现 agent 能力的统一协议——MCP 在越来越大的范围内被拥抱，下一代模型要面向 agent、面向实际场景来优化。
就 Qwen3 来说，正在迈向以训练 Agent 为中心的阶段，当前 Qwen3 优化了 Agent 和 代码能力，同时也加强了对 MCP 的支持。据称，Qwen3 原生支持 MCP 协议，并具备强大的工具调用（function calling）能力，结合封装了工具调用模板和工具调用解析器的 Qwen-Agent 框架，将大大降低编码复杂性，实现高效的手机及电脑 Agent 操作等任务。
在该示例中，Qwen3 思考并自主调用工具到 Github 数开源模型获得的 star，继续思考并调用绘图工具制作图片，并调用工具保存。｜视频来源：阿里云

03

开源模型新一轮竞赛开启
Qwen3 的发布，意味着开源模型领域新一轮「三国杀」已然开始。
事实上，随着 DeepSeek 的横空出世，加上 OpenAI、字节等大厂调整对开源的态度，开源已然成为大模型赛道的大势所趋。而 Llama、Qwen 和 DeepSeek，正是目前开源领域最有竞争力的玩家。
Hugging Face 联合创始人、CEO Clement Delangue 发推暗示 DeepSeek 即将带来新发布。｜截图来源：X
而此前 OpenAI 和 DeepSeek 的成功已经证明，互联网时代的生态、用户和产品壁垒，今天在 AI 时代并没有互联网时代那样牢不可摧，模型能力才是基础大模型公司的核心竞争力。而 Llama、Qwen 和 DeepSeek 的胜者，有可能在下一个发布周期到来前（至少在 OpenAI 的开源模型发布前），成为整个 AI 行业的引领者。
虽然新一代模型能力的强弱，还要等待 Llama 和 DeepSeek 的发布，但值得关注的是，这三家开源模型厂商的生态策略亦有差异，这点从模型的侧重点就能看出端倪。
DeepSeek 和 Meta 的侧重点也有不同，但一个共同点都是不太重视 ToB，至少是在服务生态的建设上并不成功。而这点也是 Qwen 和其背后的阿里云最重视的部分。
极客公园曾在此前的文章里写过，脱胎于阿里云 Qwen，是最有以开源模型技术领先性、广泛全面开源的策略，追求生态建设的架势。阿里的 AI 战略里除了追求 AGI，也同样重视 AI 基础设施建设，以及更上层的与阿里的电商、钉钉、夸克等 AI 应用的结合。
此前，阿里云智能集团资深副总裁、公共云事业部总裁刘伟光表示，「阿里云是全世界唯一一家积极研发基础大模型并全方位开源、全方位贡献的云计算厂商。」
而 Qwen 模型下载量和衍生模型数量这两个衡量的生态的指标也同样领先。根据阿里云官方的最新数据，阿里通义已开源 200 余个模型，全球下载量超 3 亿次，千问衍生模型数超 10 万个，已经超越 Llama 位居全球开源模型的第一。
而新模型选择在进一步优化推理成本、混合推理和 Agent 上发力，显然 Qwen 瞄准的是开发者和 B 端用户的部署需求。这也将成为 Qwen 与 DeepSeek、Llama、OpenAI 等竞争对手最大的不同，也是阿里能否赢得 AI 时代的一张船票的关键所在。
*头图来源：视觉中国
本文为极客公园原创文章，转载请联系极客君微信 geekparkGO
极客一问
你如何看待 Qwen3？
 

热点视频

阿里 Qwen3 发布，性能超越 R1、OpenAI-o1，成本大幅下降。
点赞关注极客公园视频号，
观看更多精彩视频
 

更多阅读

‍