2024年4月29日凌晨，阿里云重磅发布了新一代通义千问模型——Qwen3（千问3），并全系开源！
这一夜，不夸张地说，是中国开源AI历史上的里程碑时刻。
阿里官方表示：
- Qwen3在Chatbot Arena等全球榜单性能全面超越DeepSeek-R1、OpenAI o1等顶级模型，登顶全球开源模型之王。
- 参数量仅为DeepSeek-R1的1/3，推理成本下降到1/3。
- 部署只需4张H20显卡，即可满血上限。
知情人士更直接点名：这是阿里云今年上半年最重磅的发布。
01 | 千问3到底强在哪？
(1) 全球首批混合推理模型之一
Qwen3采用了**混合推理（Hybrid Reasoning）**架构，简单说，模型可以灵活切换：
- 快思考
：简单问题，直接秒回，高效响应。 - 慢思考（Chain of Thought）
：复杂推理问题，逐步推理，严谨作答。
理论上听着简单，但要真正实现，需要在训练策略、数据设计、损失调度上极其深厚的功底。而放眼全球，目前只有极少数模型真正做到。Qwen3，不仅做到了，还开源了。
(2) 参数大，但推理成本小
-
通义千问3旗舰版 Qwen3-235B-A22B，总参数2350亿，激活参数仅22B。 -
相比DeepSeek-R1，参数更少，性能更强，推理、部署成本直接打骨折。
举个简单的数据感受下：
-
部署DeepSeek-R1满血，需要至少12张A100显卡； -
部署Qwen3满血，只需要4张H20！
成本打了1/3，性能反而更好。这，在企业端是真正的降本增效。
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。
02 | 8款模型全家桶开源
阿里这次不是只放出一个大模型，而是一次性开源了8个版本：
-
稠密Dense模型：0.6B、1.7B、4B、8B、14B、32B -
MoE（混合专家）模型：30B（激活3B）、235B（激活22B）
覆盖轻量端到企业级应用全场景，简直是开源界的“性价比之王”。
六个Dense模型包括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。
多语言、多模态、超长上下文
Qwen3在底层做了系统性升级：
- 支持119种语言和方言
，全球通用。 - 最大上下文32K
，极致长文处理。 - 多模态训练强化
，为未来Agent和智能体打基础。
训练数据量也暴增：
-
Qwen2.5用的是18T tokens， -
Qwen3直接扩到36T tokens！
内容不仅来自网页，还有大量PDF提取数据、数学、编程、推理专项数据合成，训练过程分四大阶段，强化推理、指令理解和Agent能力。
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。
03 | 为什么说“只有领先者才敢开源”？
真正的技术进步，不是闭源垄断，而是开放共享。
今天想给这句话加个补充——
“开源，从来是技术实力的试金石。只有领先者，才敢开源。”
如果自家模型不够强，不够稳定，不够领先，开源就是裸奔，风险极大。
而像今天阿里通义千问3这种级别，是真正“自己有货，才敢亮剑”的体现。
过去一年，我几乎体验了所有主流国产大模型，也对接过多个AI项目，从应用到底层训练都有实操。
这次Qwen3发布，我个人总结了几个非常重要的信号：
- 中美顶级模型差距正在迅速缩小
Chatbot Arena的实测数据已经很直观了。国产模型在基础能力、推理、多模态理解等方面，已经逼近甚至超越了OpenAI o1级别。 - 国产AI应用生态的底盘正在夯实
有了像Qwen3这样的底座，未来做AI Agent、做垂直行业大模型，会更便宜、更快、更高效。 - AI从训练模型时代，转向训练Agent时代
未来不是谁调得出更大的参数模型，而是谁能基于这些基础大模型，做出真正可用的智能体（Agent）。 - 部署门槛大降，机会正在涌现
以前用AI都需要大几百万元堆硬件，现在只要几张H20显卡，一般中型公司都能搞得起。
这波，真正到了全民AI创业的时候了。
04 | 最后
今天，我们见证了阿里云的又一次壮举。
但更重要的是，我们见证了中国AI开源力量的全面崛起。
记住，开源不是落后者自救，是领先者亮剑。
未来，国产大模型的胜负手，一定还在路上。
但今晚，属于阿里，也属于所有愿意相信技术力量的人。
