國際金融報
顏凌康
2025-04-29 14:06
4月29日，阿里巴巴開源了備受期待的新一代通義千問模型Qwen3（簡稱千問3），在GPQA、AIME24/25、LiveCodeBench等多個權威基準測試中全面超越R1、OpenAI-o1等全球頂尖模型，表現出極具競爭力的結果，登頂全球開源模型。
其中，在奧數水平的AIME25測評中，千問3獲得81.5分，刷新開源紀錄；在考察代碼能力的Live Code Bench測評中，千問3突破70分大關，表現超過Grok3；在評估模型人類偏好對齊的Arena Hard測評中，千問3以95.6分超越OpenAI-o1及DeepSeek-R1。
千問3采用混合專家架構，總參數量為235B，激活參數量僅需22B，在推理、指令遵循、工具調用、多語言能力等方面均大幅增強。
千問3具有以下主要亮點：
一是“快思考”與“慢思考”結合。作為國內首個“混合推理模型”，Qwen3將“快思考”與“慢思考”集成進同一個模型，可以在思考模式（用于復雜的邏輯推理、數學和編碼等任務）與與非思考模式（用于聊天等簡單實時交互）之間無縫切換，既可以對簡單需求進行“秒答”，也能夠對復雜問題進行多步驟“深度思考”，從而大幅節省算力消耗。
二是提供8種參數大小的模型。千問3提供了8款不同尺寸的豐富的模型版本，包含2款30B、235B的混合專家模型，以及0.6B、1.7B、4B、8B、14B、32B等6款稠密模型，每款模型均斬獲同尺寸開源模型SOTA（最佳性能）。這為本地測試與科研、手機端側應用、電腦或汽車端、企業落地、云端高效部署等不同場景與任務提供了能夠滿足要求的尺寸模型，最大程度平衡性能與成本。
二是推理能力顯著提升。千問3在數學、代碼生成和常識邏輯推理方面超越QwQ（在思考模式下）和Qwen2.5 instruct models（在非思考模式下）。其中，Qwen3-235B-A22B表現尤為突出，刷新了開源模型的智能水平新高，顯存占用僅為性能相近模型的三分之一。無論是數學推理、代碼生成還是綜合邏輯分析，Qwen3均展現出卓越能力，穩居全球開源模型前列。
四是支持MCP協議，具備強大的工具調用能力。在評估模型智能體能力的BFCL評測中，千問3拿下70.8的新高，超越谷歌Gemini2.5-Pro、OpenAI-o1等頂尖模型，大幅降低智能體調用工具的門檻。千問3還支持MCP（模型上下文協議），并具備強大的工具調用能力，能夠實現高效的手機及電腦智能體操作等任務。
五是部署成本大幅下降。在性能大幅提升的同時，千問3的部署成本大大降低。滿血版671B參數量的DeepSeek-R1需要8張H20（價格大約100萬元）進行部署，適合低并發場景；一般推薦使用16張H20部署，總價約200萬元。而千問3的旗艦模型僅需3張H20（大約36萬元）即可部署，推薦使用4張H20部署，總價約50萬。因此，從部署成本角度看，千問3旗艦模型是滿血版R1的25%—35%，部署成本大降75%—65%。
據了解，千問3系列模型依舊采用寬松的Apache2.0協議開源，并首次支持119多種語言。目前，千問3已上線魔塔社區、HuggingFace、Github等平臺，全球開發者、研究機構和企業均可免費下載模型并商用。此外，個人用戶可通過通義APP直接體驗千問3，同時夸克也即將全線接入千問3。
當下，AI產業已將關注點從模型訓練轉向以智能體為核心的AI應用，性能更強、成本更優的模型將有越來越大的應用價值。通義千問團隊表示：“千問3的發布和開源將極大地推動大型基礎模型的研究與開發。我們的目標是為全球的研究人員、開發者和組織賦能，幫助他們利用這些前沿模型構建創新解決方案。”
此次開源的千問3型以更小的參數規模實現了更高的智能水平，為開發者提供了更加多樣的模型尺寸及思考模式選擇，有助于開發者更好地平衡及控制預算成本。
通義千問團隊的技術負責人林俊旸在其個人社交平臺上表示，花了一些時間來找方法解決一些并不花哨的問題，比如如何通過穩定的訓練來擴展強化學習、如何平衡來自不同領域的數據、如何增強對更多語言的支持等。他還表示，團隊正邁向下一個階段，即訓練智能體來擴展長程推理，同時更多地關注現實世界的任務。
據悉，作為與DeepSeek并成為“開源雙子星”的另外一星，阿里通義已開源200余個模型，全球下載量超3億次，千問衍生模型數超10萬個，已超越Meta的Llama，成為全球第一開源模型。通過持續的模型迭代及開源開放，阿里在推動AI技術普及的同時，也增強了中國在全球開源AI生態中的影響力。
校對：楊立林
