4月29日凌晨，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。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。

性能媲美DeepSeek R1、OpenAI o1，全部开源

Qwen3系列包括两个专家混合 (MoE) 模型和另外六个模型。阿里巴巴表示，最新发型的旗舰模型Qwen3-235B-A22B在代码、数学、通用能力等基准测试中，与DeepSeek-R1、o1、o3-mini、Grok-3和Gemini-2.5-Pro等顶级模型相比，表现出极具竞争力。

此外，被称为“专家混合”（MoE，Mixture-of-Experts）模型的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。这类系统模拟人类解决问题的思维方式，将任务划分为更小的数据集，类似于让一组各有所长的专家分别负责不同部分，从而提升整体效率。

同时，阿里巴巴还开源了两个MoE模型的权重：拥有2350多亿总参数和220多亿激活参数的Qwen3-235B-A22B，以及拥有约300亿总参数和30亿激活参数的小型MoE 模型Qwen3-30B-A3B。此外，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。

“混合型”模型，两种思考模式，部署成本大降

阿里巴巴表示，Qwen 3系列的一大创新在于其"混合型"模型设计，集成了两种思考模式。Qwen3既可以花时间"推理"解决复杂问题（思考模式），也可以快速回答简单请求（非思考模式）。“思考模式”中的推理能力使得模型能够有效地进行自我事实核查，类似于OpenAI的o3模型，但代价是推理过程中的延迟时间较高。

Qwen团队在博客文章中写道：

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。例如**，复杂的问题可以通过扩展推理步骤来解决，而简单的问题则可以直接快速作答，无需延迟。**

至关重要的是，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。如上文所述，Qwen3展现出可扩展且平滑的性能提升，这与分配的计算推理预算直接相关。

这样的设计让用户能够自行设置“思考成本”，更轻松地为不同任务配置特定的预算，在成本效益和推理质量之间实现更优的平衡。与性能相当的其他大模型相比，Qwen3.0显著降低了部署门槛，根据数据对比：

• 满血版671B DeepSeek-R1**需要8张H20（约100万元）**才能运行，推荐配置16张H20（约200万元）。
• 千问3旗舰模型**仅需3张H20（约36万元）**即可运行，推荐配置4张H20（约50万元）。

因此从部署成本角度看，Qwen3.0旗舰模型是满血版R1的25%～35%，部署成本大降75%～65%。

训练数据量是Qwen2.5的两倍，便于Agent调用

**阿里巴巴表示，Qwen3系列支持119种语言，并基于近36万亿个token（标记）进行训练，使用的数据量是Qwen2.5的两倍。**Token是模型处理的基本数据单元，约100万个token相当于75万英文单词。阿里巴巴称，Qwen3的训练数据包括教材、问答对、代码片段等多种内容。

据介绍，Qwen3预训练过程分为三个阶段。在第一阶段（S1），模型在超过30万亿个token上进行了预训练，上下文长度为4K token。这一阶段为模型提供了基本的语言技能和通用知识。

在第二阶段（S2），训练则通过增加知识密集型数据（如 STEM、编程和推理任务）的比例来改进数据集，随后模型又在额外的5万亿个token上进行了预训练。在最后阶段则使用高质量的长上下文数据将上下文长度扩展到32K token，确保模型能够有效地处理更长的输入。

阿里巴巴表示，由于模型架构的改进、训练数据的增加以及更有效的训练方法，Qwen3 Dense基础模型的整体性能与参数更多的Qwen2.5基础模型相当。例如，Qwen3-1.7B/4B/8B/14B/32B-Base分别与Qwen2.5-3B/7B/14B/32B/72B-Base 表现相当。特别是在 STEM、编码和推理等领域，Qwen3 Dense基础模型的表现甚至超过了更大规模的Qwen2.5 模型。对于Qwen3 MoE基础模型，它们在仅使用10%激活参数的情况下达到了与Qwen2.5 Dense基础模型相似的性能，显著节省了训练和推理成本。

而在后训练阶段，阿里使用多样的的长思维链数据对模型进行了微调，涵盖了数学、代码、逻辑推理和 STEM 问题等多种任务和领域，为模型配备基本的推理能力。然后通过大规模强化学习，利用基于规则的奖励来增强模型的探索和钻研能力。

阿里巴巴表示，Qwen3在调用工具（tool-calling）、执行指令以及复制特定数据格式等能力方面表现出色，推荐用户使用Qwen-Agent来充分发挥Qwen3的Agent能力。Qwen-Agent内部封装了工具调用模板和工具调用解析器，大大降低了代码复杂性。

除了提供下载版本外，Qwen3还可以通过Fireworks AI、Hyperbolic等云服务提供商使用。

目标仍对准AGI

OpenAI、谷歌和Anthropic近期也陆续推出了多款新模型。OpenAI近日表示，也计划在未来几个月发布一款更加“开放”的模型，模仿人类推理方式，这标志着其策略出现转变，此前DeepSeek和阿里巴巴已经率先推出了开源AI系统。

目前，阿里巴巴正以Qwen为核心，构建其AI版图。今年2月，首席执行官吴泳铭表示，公司目前的“首要目标”是实现通用人工智能（AGI）——即打造具备人类智力水平的AI系统。

阿里表示，Qwen3代表了该公司在通往通用人工智能（AGI）和超级人工智能（ASI）旅程中的一个重要里程碑。展望未来，阿里计划从多个维度提升模型，包括优化模型架构和训练方法，以实现几个关键目标：扩展数据规模、增加模型大小、延长上下文长度、拓宽模态范围，并利用环境反馈推进强化学习以进行长周期推理。

开源社区振奋

阿里Qwen3的发布让AI社区感到激动，有网友献上经典Meme：

有网友说，

在我的测试中，235B在高维张量运算方面的表现相当于Sonnet。

这是一个非常出色的模型，

感谢你们。

有网友对Qwen3赞不绝口：

如果不是亲眼看到屏幕上实时生成的tokens，我根本不会相信那些基准测试结果。??? 简直像魔法一样???

而开源AI的支持者则更加兴奋。有网友说：

“有了一个开源32B大模型，性能跟Gemini 2.5 Pro不相上下。”

“我们彻底杀回来了！”

网友感谢阿里积极推动开源：

i 2.5 Pro不相上下。”

“我们彻底杀回来了！”

[外链图片转存中…(img-IYgx16ky-1745898373227)]

网友感谢阿里积极推动开源：

大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

相信大家在刚刚开始学习的过程中总会有写摸不着方向，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程等免费分享出来。

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。

二方面是可以根据这些资料规划好学习计划和方向。

😝有需要的小伙伴，可以微信扫码领取！

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先有一个明确的学习路线，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习路线图。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（完整路线在公众号内领取）

大模型学习路线

👉2.大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。(篇幅有限，仅展示部分）

大模型教程

👉3.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（篇幅有限，仅展示部分，公众号内领取）

电子书

👉4.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（篇幅有限，仅展示部分，公众号内领取）

大模型面试

**因篇幅有限，仅展示部分资料，需要的扫描下方二维码领取 **