#人工智能 阿里巴巴推出 Qwen3 系列开源模型，通义在编程、千问数学、系列通用能力等方面取得重大进步，模型模式该模型还采用统一多模态编码技术可以通过单一架构实现多模态输入的正式深度融合。目前 Qwen3 已经在其英文对话平台上线，发布发展相关模型权重也在 HuggingFace 上发布可供下载。继续查看全文：https://ourl.co/108906

2025 年 4 月 29 日，采用阿里巴巴人工智能团队通义千问推出最新的开源开源开源大型语言模型系列：Qwen3。根据通义千问团队的引领介绍，该模型在架构、社区训练数据、蓝点推理效率、通义多模态能力等多方面实现显著提升，千问为学术研究、系列产业应用和开源社区注入新活力。

通义千问团队提供的权重包括旗舰版 Qwen3-235B-A22B，该模型在编程、数学和通用能力等基准测试中，与 DeepSeek-R1、GPT-o1、GPT-o3-mini、Grok-3 和 Gemini-2.5-Pro 相比取得极具竞争力的优势。

而 Qwen3 的小型 MoE 架构模型 Qwen3-30B-A3B 激活参数量是 QwQ-32B 的 10 倍，得益于混合专家模式，即便是 Qwen3-4B 这类微型模型，其性能也可以与 Qwen2.5-72B-Instruct 相媲美。

Qwen3 在模型架构方面的优势：

在模型架构上通义千问团队进行深度优化，相较于前代产品也就是 Qwen2.5 系列，引入更加先进的 Transformer 变体设计。Qwen3 采用混合专家架构的部分思想，通过动态分配计算资源而显著降低推理时的计算成本，同时还可以保持甚至提升模型能力。

这种设计使得 Qwen3 在处理复杂任务时能够以更低的能耗实现更高的吞吐量，为大规模部署提供了可能。此外 Qwen3 提供多种尺寸选择，包括小型的 3B 参数模型到超大型的 72B 参数模型，满足开发者和企业在不同场景的使用需求，尤其是在资源受限的环境中。

Qwen3 的多模态能力全面升级：

该模型不仅在自然语言处理方面表现出色，还在多模态能力上取得突破性进展，Qwen3 增强对文本、图像、音频和视频的统一处理能力，该模型使用统一多模态编码技术 (Unified Multimodal Encoding)，通过单一模型架构实现多模态输入的深度融合，从而在视觉推理、语音交互、视频分析等任务中展现出卓越性能。

例如在视觉推理任务中，Qwen3 能够精准解析复杂图像中的数学公式、表格和文本内容，并结合上下文进行逻辑推理，这种能力在教育、科研和内容创作等领域具有广泛的应用前景。Qwen3 支持实时语音生成和视频流处理，因此在智能客服、虚拟助手和多媒体内容生成等场景中表现出色。

Qwen3 的训练数据多样化和规模化：

该模型的预训练数据集覆盖超过 30 种语言并包含高达数万亿 token 的多模态数据，包括但不限于文本、图像、音频和视频等多种形式。Qwen3 在中文和英文数据方面的优化尤为突出，使其在多语言任务中表现出色，尤其是中英文混合场景下的语义理解和生成能力。

为了减少模型偏见，开发团队还在数据清洗和质量控制方面投入了大量精力，通过自动化和人工审核相结合的方式，确保训练数据的多样性和可靠性，以此减少模型偏见并提升模型在敏感任务中的鲁棒性。

开源生态领域的继续扩展：

Qwen3 基于 Apache 2.0 许可协议发布，这意味着无论是个人还是企业都可以自由使用 Qwen3 模型并进行修改和商业化，与 Meta Llama 复杂的许可协议相比，Qwen 系列模型的宽松许可模式有助于人工智能开源社区的进一步发展。

下面是 Qwen3 不同权重和对应的上下文长度：

Qwen3-0.6B：32K

Qwen3-1.7B：32K

Qwen3-4B：32K

Qwen3-8B：128K

Qwen3-14B：128K

Qwen3-32B：128K

Qwen3 系列模型在上下文处理能力方面优化了注意力机制并引入分块预填充技术，该技术大幅度降低长序列推理的内存占用，因此 Qwen3 能够高效处理超长文档、代码库分析和多轮对话等任务，为企业级应用提供强有力的支撑。

目前该模型已经在通义千问英文版 AI 平台提供在线对话，同时开源权重模型也已经在 HuggingFace 等平台发布，有兴趣的用户可以下载 Qwen3 模型进行本地测试、调试和部署。

在线对话：https://chat.qwen.ai/

模型下载：https://huggingface.co/collections/Qwen/qwen3-67dd247413f0e2e4f653967f