• 旗艦?zāi)Ｐ蚎wen3-235B-A22B在代碼、數(shù)學(xué)、通用能力等基準(zhǔn)測試中，與一眾頂級模型相比，表現(xiàn)出極具競爭力的結(jié)果。

• 小型MoE模型Qwen3-30B-A3B的激活參數(shù)數(shù)量是QwQ-32B10%，表現(xiàn)更勝一籌， Qwen3-4B 這樣的小模型也能匹敵 Qwen2.5-72B-Instruct 的性能。

經(jīng)過后訓(xùn)練的模型，例如 Qwen3-30B-A3B，以及它們的預(yù)訓(xùn)練基座模型（如 Qwen3-30B-A3B-Base），現(xiàn)已在 Hugging Face、ModelScope 和 Kaggle 等平臺上開放使用。對于部署，我們推薦使用 SGLang 和 vLLM 等框架；而對于本地使用，像 Ollama、LMStudio、MLX、llama.cpp 和 KTransformers 這樣的工具也非常值得推薦。這些選項(xiàng)確保用戶可以輕松將 Qwen3 集成到他們的工作流程中，無論是用于研究、開發(fā)還是生產(chǎn)環(huán)境。

Qwen3 的發(fā)布和開源將極大地推動大型基礎(chǔ)模型的研究與開發(fā)。其目標(biāo)是為全球的研究人員、開發(fā)者和組織賦能，幫助他們利用這些前沿模型構(gòu)建創(chuàng)新解決方案。

目前，全球開發(fā)者、研究機(jī)構(gòu)和企業(yè)均可免費(fèi)在魔搭社區(qū)、HuggingFace等平臺下載模型并商用，也可以通過阿里云百煉調(diào)用Qwen3的API服務(wù)。個人用戶可立即通過通義APP直接體驗(yàn)Qwen3，夸克也即將全線接入Qwen3。

• GitHub：https://github.com/QwenLM/Qwen3
• Hugging Face：https://huggingface.co/collections/Qwen/qwen3-67dd247413f0e2e4f653967f
• 魔搭社區(qū)：https://modelscope.cn/collections/Qwen3-9743180bdc6b48

核心亮點(diǎn)

多種思考模式

Qwen3 模型支持兩種思考模式：

1. 思考模式：在這種模式下，模型會逐步推理，經(jīng)過深思熟慮后給出最終答案。這種方法非常適合需要深入思考的復(fù)雜問題。

2. 非思考模式：在此模式中，模型提供快速、近乎即時的響應(yīng)，適用于那些對速度要求高于深度的簡單問題。

這種靈活性使用戶能夠根據(jù)具體任務(wù)控制模型進(jìn)行“思考”的程度。例如，復(fù)雜的問題可以通過擴(kuò)展推理步驟來解決，而簡單的問題則可以直接快速作答，無需延遲。至關(guān)重要的是，這兩種模式的結(jié)合大大增強(qiáng)了模型實(shí)現(xiàn)穩(wěn)定且高效的“思考預(yù)算”控制能力。如上文所述，Qwen3 展現(xiàn)出可擴(kuò)展且平滑的性能提升，這與分配的計(jì)算推理預(yù)算直接相關(guān)。這樣的設(shè)計(jì)讓用戶能夠更輕松地為不同任務(wù)配置特定的預(yù)算，在成本效益和推理質(zhì)量之間實(shí)現(xiàn)更優(yōu)的平衡。

多語言

Qwen3 模型支持 119 種語言和方言。這一廣泛的多語言能力為國際應(yīng)用開辟了新的可能性，讓全球用戶都能受益于這些模型的強(qiáng)大功能。

增強(qiáng)的 Agent 能力

Qwen3 模型優(yōu)化了Agent 和代碼能力，同時也加強(qiáng)了對 MCP 的支持。下面我們將提供一些示例，展示 Qwen3 是如何思考并與環(huán)境進(jìn)行交互的。

崔歡歡