模型发布与核心架构 - 阿里于4月29日正式发布最新大模型Qwen3，采用开源方式，全球开发者、研究机构和企业可免费下载并商用，也可通过阿里云百炼调用其API服务 [1] - Qwen3采用混合专家架构，总参数量为2350亿，包含128个专家模型，但每次推理仅激活220亿参数和8个专家模型，旨在降低推理成本 [2] - 其总参数量仅为DeepSeek-R1的三分之一，但在多项性能测评中超越DeepSeek-R1、OpenAI-o1等全球顶尖模型 [2] - 在代码能力测试LiveCodeBench和Codeforces两个榜单中，Qwen3得分高于所有其他模型，包括当前最强的Gemini2.5-Pro [2] - Qwen3的300亿参数MoE模型实现了10倍以上的模型性能杠杆提升，仅激活30亿参数性能就超过了上代Qwen2.5-320亿模型，Qwen3-40亿参数模型也能达到与Qwen2.5-720亿-Instruct相当的表现 [2] 训练过程与数据 - Qwen3预训练数据集规模几乎是上一代的两倍，从18万亿个token扩展到了36万亿个token [3] - 为确保数据质量，团队利用Qwen2.5-VL提取文档文本，并通过Qwen2.5优化提取内容的准确性，同时通过Qwen2.5-Math和Qwen2.5-Coder生成大量合成数据以提升数学和代码领域表现 [3] - 预训练分为三个阶段：第一阶段使用超30万亿个token以4k上下文长度训练；第二阶段在额外5万亿个token上增加STEM、编码等知识稠密型数据比例；第三阶段利用高质量数据将上下文长度扩展至32k [3] - 后训练设计了一个四阶段流程，包括长思维链冷启动、长思维链强化学习、思维模式融合以及通用强化学习，以提升模型的推理能力和通用性 [6] 性能表现与基准测试 - 根据基准测试表格，Qwen3-235B-A22B在多项通用任务中表现优异，例如MMLU得分为87.81，MMLU-Pro得分为68.18，BBH得分为88.87 [4] - 在数学与科学任务中，Qwen3-235B-A22B的GPQA得分为47.47，GSM8K得分为94.39，MATH得分为71.84 [4] - 在多语言任务中，其MGSM得分为83.53，MMMLU得分为86.70 [4] - 在代码任务中，其EvalPlus得分为77.60，MultiPL-E得分为65.94 [4] - 在与其他顶尖模型的对比中，Qwen3-235B-A22B在ArenaHard得分为95.6，AIME'24得分为85.7，LiveCodeBench v5得分为70.7，CodeForces Elo Rating为2056 [5] 技术创新与亮点 - Qwen3原生支持MCP协议，并在模型内部内嵌部分MCP，具备强大的工具调用能力，结合Qwen-Agent框架，为面向Agent化的任务型应用提供模型层支撑 [8] - 在专门评估模型Agent能力的BFCL评测中，Qwen3以70.8的分数刷新榜单记录，超越DeepSeek-R1的56.9分和Gemini2.5-Pro的62.9分 [5][8] - 模型引入了混合式问题解决方法，支持思考模式和非思考模式两种推理模式，测试下来两种模式成本和反应时间相差4倍 [11] - 用户可通过硬开关或软开关控制思考模式，并可自行控制思考的最大token数以平衡复杂度和响应时间 [11] - 阿里共开源了8款混合推理模型，包括2款MoE模型和6款稠密模型，均采用Apache 2.0许可，所有模型都支持混合推理，API可按需设置“思考预算” [13] 成本与部署优势 - Qwen3 MoE模型仅用10%的激活参数，即可实现与Qwen2.5 Dense基础模型相似的性能，大幅降低了训练和推理成本 [4] - 用户只需4张英伟达的H20 GPU就能在本地部署2350亿参数的Qwen3旗舰版MoE模型 [10] - 其部署成本仅为满血版DeepSeek-R1的25%至35%，相比后者一般推荐16卡H20的配置，Qwen3的部署成本大幅降低六至七成 [10][15] 行业影响与生态构建 - Qwen3的发布进一步拉平中美大模型差距，中国大模型在开源领域已领先美国大模型，有利于国内AI应用的推出 [14] - 阿里系具备AI落地的实践场景，如夸克是中国用户量最高的AI搜索应用，钉钉是具备规模和生态优势的SaaS平台，电商、地图导航、内容等业务板块也在积极应用AI [14] - Qwen3原生支持MCP协议，开发者可基于MCP配置文件快速开发带有设定、知识库RAG和工具使用能力的智能体，这被认为是未来Agent的一个新方向 [14] - 在开源社区中，Qwen的衍生模型数量已突破10万，持续超越Llama系列，根据Hugging Face 2025年2月10日的榜单，排名前十的开源大模型全部是基于Qwen二次开发的衍生模型 [15] - 从应用角度看，国内大模型迭代与海外差距越来越小，且国内软硬一体的模式相比海外软硬分离的模式更有利于AI部署 [15]