那块做微信平台网站人工智能培训机构
2025 年 4 月 29 日，阿里巴巴正式发布新一代通义千问模型 Qwen31。此次发布的 Qwen3 包含多种模型版本，具体如下：
- MoE 模型：有 Qwen3-235B-A22B（总参数 2350 亿，激活参数 220 亿）和 Qwen3-30B-A3B（总参数 300 亿，激活参数 30 亿）。
- 密集模型：包括 Qwen3-32B、14B、8B、4B、1.7B、0.6B，均为 Apache 2.0 开源协议。
Qwen3 具有以下特点：
- 上下文长度：密集模型中，0.6B、1.7B、4B 为 32K，8B 及以上为 128K；MoE 模型均为 128K。
- 性能表现：
- Qwen3-235B-A22B：在 ArenaHard（95.6）、AIME'24（85.7）、LiveCodeBench v5（70.7）等测试中，优于 DeepSeek - R1、o1、Grok - 3 等模型，仅在 AIME'25（81.5）略低于 Gemini - 2.5 - Pro（86.7）。
- Qwen3-30B-A3B：在 ArenaHard（91.0）、AIME'24（80.4）等测试中，超越 QwQ - 32B（激活参数为其 10 倍）。
- Qwen3-4B：性能可与 Qwen2.5 - 72B - Instruct 媲美，如在 ArenaHard 中为 76.6，Qwen2.5 - 72B - Instruct 为 81.2。
- 优势领域：在编码（如 CodeForces Elo Rating）、数学（AIME 系列）、多语言（MultilF 8 Languages）任务中表现突出。
- 多语言支持：覆盖 119 种语言和方言，包括印欧语系、汉藏语系、阿拉伯语、日语、韩语等。
- 增强的代理能力：优化了编码和工具调用能力，推荐搭配 Qwen - Agent 使用，支持 MCP 协议和自定义工具集成。
- 预训练数据：使用 36 万亿 token，是 Qwen2.5 的 2 倍，涵盖网页、PDF 文档（通过 Qwen2.5 - VL 提取文本），并通过 Qwen2.5 - Math/Code 生成数学和代码合成数据。
- 架构优化：MoE 模型通过稀疏激活降低计算成本，密集模型参数效率更高，如 Qwen3 - 4B 性能相当于 Qwen2.5 - 72B。
此外，为释放 Qwen3 的强大性能，模力方舟基于昇腾最新发布的 vLLM Ascend v0.8.4rc2 进行适配。英特尔也第一时间深度优化 Qwen3 大模型，助力其在 PC 客户端、边缘计算、智能驾舱等场景的应用。
Qwen3 系列模型包括 2 个 MoE 模型和 6 个 Dense 模型，参数量从 0.6B 到 235B1。其中，Qwen3-235B-A22B 总参数 2350 多亿、激活参数 220 多亿，Qwen3-30B-A3B 总参数 300 亿、激活参数 30 亿。与其他同类型模型相比，情况如下：
- 与 Llama 3 相比：Llama 3 有 80 亿参数的 Llama 3 8B 和 700 亿参数的 Llama 3 70B7。Qwen3 的参数量覆盖范围更广，从较小的 0.6B 到较大的 235B，包含了多种不同规模的模型，能满足不同场景和需求。而 Llama 3 目前主要是 8B 和 70B 两种参数量规模。
- 与 Phi-3 相比：微软 Phi-3 系列模型有 Phi-3-mini（3.8B）、Phi-3-small（7B）和 Phi-3-vision（42 亿）等9。Qwen3 在参数量上有更多选择，且有大规模的 235B 模型，而 Phi-3 目前以小模型为主，参数量相对较小。
- 与 Mistral 相比：Mistral 有 Mistral 7B（70 亿参数）、Mixtral 8x7B（46.7 亿参数）、Mixtral 8x22B（141 亿参数）、Mistral Large 2（123 亿参数）和 Mistral Small 3.1（240 亿参数）等810。Qwen3 的参数量范围更宽，最大参数量 235B 大于 Mistral 系列模型，同时也有多个小参数量模型可与 Mistral 的部分模型对应比较。
- 与 DeepSeek-R1 等模型相比：Qwen3 旗舰模型 Qwen3-235B-A22B 的总参数量是 DeepSeek-R1 的 1/3 左右，但在代码、数学、通用能力等基准测试中表现出色，超过了 DeepSeek-R1、o1、o3 - mini、Grok - 3 等全球顶尖模型，在部分关键指标上可与 Gemini 2.5 Pro 媲美。