Недавно команда Ali Tongyi Thousand Questions выпустила новое поколение большой модели Qwen 3, которая с момента своего запуска возглавила мировой трон моделей с открытым исходным кодом. По сравнению с предшественником, Qwen 3 совершила значительный прорыв в возможностях вывода, поддержке нескольких языков, стоимости развертывания и т. д. Производительность флагманской модели Qwen3-235B-A22B сравнима или даже превосходит производительность таких топовых моделей, как DeepSeek-R1, OpenAI o1, o3-mini, XAI Grok-3 и Google Gemini-2.5-Pro. модели.
Семейство Qwen 3 с полностью открытым исходным кодом
Семейство моделей Qwen 3 продолжает оставаться открытым ресурсом в соответствии с непринужденным протоколом Apache 2.0, что позволяет разработчикам, исследовательским организациям и предприятиям по всему миру бесплатно загружать и использовать модели в коммерческих целях. Семейство моделей Qwen 3 с открытым исходным кодом включает две модели MoE и шесть плотных моделей:
- Модель МО::
- Qwen3-235B-A22B (235B всего, 22B активировано)
- Qwen3-30B-A3B (общее количество участников 30B, количество активированных участников 3B)
- интенсивное моделирование::
- Qwen3-32B
- Qwen3-14B
- Qwen3-8B
- Qwen3-4B
- Qwen3-1.7B
- Qwen3-0.6B
Стоит отметить, что хотя Qwen3-235B-A22B имеет гораздо большее общее количество ссылок, чем другие модели с открытым исходным кодом, его фактическая стоимость развертывания значительно ниже - для развертывания полнокровной версии требуется всего четыре H20, а объем видеопамяти составляет лишь одну треть от аналогичной производительности.
Превосходная производительность по всем основным показателям
Серия Qwen 3 отлично зарекомендовала себя в различных профессиональных обзорах и установила ряд рекордов среди моделей с открытым исходным кодом:
- Qwen3 набрал 81,5 балла в оценке AIME25 на уровне OU, установив новый рекорд в области открытого исходного кода!
- В оценке LiveCodeBench, оценивающей возможности кода, Qwen3 преодолел 70-балльную отметку и превзошел Grok-3.
- Qwen3 превзошел OpenAI-o1 и DeepSeek-R1, получив 95,6 балла по показателю ArenaHard, который оценивает выравнивание предпочтений человека в модели.
- В обзоре BFCL, который оценивает возможности модели в области агентов, Qwen3 достиг нового максимума - 70,8, обогнав такие ведущие модели, как Gemini2.5-Pro и OpenAI-o1.
Даже меньшие модели, такие как Qwen3-4B, соответствуют производительности Qwen2.5-72B-Instruct, демонстрируя значительный прирост эффективности. Меньшая модель MoE, Qwen3-30B-A3B, имеет лишь десятую часть активируемых параметров по сравнению с QwQ-32B, но обладает еще большей производительностью.
Новаторская модель "гибридного рассуждения"
Одно из самых больших нововведений в Qwen3 - введение режима "смешанных рассуждений", который поддерживает плавное переключение между режимами мышления и немышления:
- образ мышления: Моделирование поэтапного рассуждения с целью дать окончательный ответ после тщательного рассмотрения, подходит для сложных проблем, требующих глубокого осмысления.
- modus vivendi: Модели обеспечивают быстрый, практически мгновенный отклик при решении простых задач, когда требуется скорость на глубине.
Пользователи могут гибко управлять процессом вывода модели в зависимости от сложности задачи и даже устанавливать "бюджет мышления" (т.е. количество лексем, ожидаемых для мышления на максимальной глубине), чтобы найти оптимальный баланс между производительностью и стоимостью. Бенчмарки показывают, что режим think значительно улучшает производительность модели в таких задачах, как AIME24, AIME25, LiveCodeBech (v5) и GPQA Diamond.
Ali предоставляет простой механизм мягкого переключения, который позволяет пользователю динамически управлять режимом мышления модели, добавляя в диалог теги "/think" и "/no_think".
Поддержка нескольких языков и расширение возможностей агента
Модель Qwen3 поддерживает 119 языков и диалектов, что значительно расширяет возможности ее глобального применения. В то же время были значительно расширены возможности модели по работе с агентами и кодами:
- Встроенная поддержка протокола MCP
- Мощные возможности вызова инструментов
- Работа с фреймворком Qwen-Agent значительно снижает сложность кодирования
- Достигает ведущих результатов в сложных заданиях, основанных на интеллекте
Прочная техническая база: предварительное обучение на 36 триллионов токенов
Превосходная производительность Qwen3 основана на огромных обучающих данных и хорошо продуманном процессе обучения:
- Объем данных для предварительного обучения достигает 36 триллионов токенов, что почти в два раза больше, чем в Qwen 2.5.
- Охватывает 119 языков и диалектов
- Высококачественная информация, извлекаемая не только из веб-данных, но и из документов, таких как PDF.
- Генерация больших объемов синтетических данных с помощью Qwen2.5-Math и Qwen2.5-Coder для расширения возможностей математики и кодирования
Процесс предварительной подготовки делится на три этапа:
- Формирование базовых языковых способностей: предварительное обучение на более чем 30 триллионах лексем с длиной контекста в 4 тыс. лексем
- Оптимизация плотности знаний: увеличение доли данных для задач STEM, программирования, рассуждений и т. д., а также продолжение обучения на дополнительных 5 триллионах токенов
- Расширение возможностей контекста: использование высококачественных длинных контекстных данных для увеличения длины контекста до 32K токенов
На этапе после обучения используется четырехфазный процесс, включающий холодный старт длинной мыслительной цепи, обучение с подкреплением длинной мыслительной цепи, объединение мыслительных моделей и общее обучение с подкреплением для создания гибридных моделей, способных как к сложным рассуждениям, так и к быстрому реагированию.
Реакция сообщества и практический опыт
Qwen3 был открыт менее чем за 3 часа, а GitHub набрал 17 тысяч звезд, вызвав бурную реакцию сообщества разработчиков открытого кода. Инженер Apple Ауни Ханнун объявил, что Qwen3 теперь поддерживается фреймворком MLX, что позволяет всем типам устройств Apple, от iPhone до M2/M3 Ultra, запускать модели Qwen3 с различными спецификациями нативно.
Ряд реальных тестов показал, что Qwen3 легко справляется со сложными задачами рассуждений, такими как математические доказательства и задачи программирования. Например, при решении сложной задачи программирования (написание игры "Змейка" с функцией погони за Пинто) Qwen3-235B-A22B выдал работоспособный код всего за 3 минуты.
Некоторые пользователи протестировали его и обнаружили, что по сравнению с моделью Llama с тем же количеством параметров, Qwen3 демонстрирует значительные преимущества, рассуждая глубже, сохраняя более длительные контексты и решая более сложные задачи.
使用指南
Qwen3模型目前已上线魔搭社区、Hugging Face和GitHub，并可在线体验：
- 在线体验：https://chat.qwen.ai/
- 魔搭社区：https://modelscope.cn/collections/Qwen3-9743180bdc6b48
- Hugging Face：https://huggingface.co/collections/Qwen/qwen3-67dd247413f0e2e4f653967f
- GitHub:https://github.com/QwenLM/Qwen3
对于部署，官方推荐使用SGLang和vLLM等框架；对于本地使用，推荐Ollama、LMStudio、MLX、llama.cpp和KTransformers等工具。
这些工具确保用户可以轻松将Qwen3集成到各种工作流程中，无论是用于研究、开发还是生产环境。使用transformers库的标准示例如下：
from modelscope import AutoModelForCausalLM, AutoTokenizer
model_name = "Qwen/Qwen3-30B-A3B"
# load the tokenizer and the model
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
model_name,
torch_dtype="auto",
device_map="auto"
)
# prepare the model input
prompt = "Give me a short introduction to large language model."
messages = [
{"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
messages,
tokenize=False,
add_generation_prompt=True,
enable_thinking=True # Switch between thinking and non-thinking modes. Default is True.
)
заключительные замечания
至此，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，超越美国Llama，成为全球第一开源模型。Qwen3的开源不仅标志着中国AI技术又一重大突破，也为全球AI开发者社区提供了强大的新工具，推动了开源生态的繁荣发展。
