AI 社區原本期盼 DeepSeek 發布重磅新品，卻意外迎來了另一款令人矚目的中國開源模型：

Qwen3 正式登場。

此次發布的旗艦型號為 Qwen3-235B-A22B。其中，235B 代表總參數量；而 A22B 指的是該模型采用了“專家混合”（Mixture of Experts，簡稱 MoE）架構，實際在每次查詢中激活的參數量僅約為 220億（22B）。

但最引人關注的是：

Qwen3 已能與一線模型如 DeepSeek R1、o3 Mini、Grok 3 和 Gemini 2.5 Pro 相媲美。

性能實測：全面對標頂級大模型

根據官方博客提供的多項基準測試數據：

圖片

• 在 ArenaHard 測試中，Qwen3 已超越了 o3 Mini，且與 Gemini 2.5 Pro 非常接近。
• 在 AIME 24 和 25 測試中，其表現介于 Gemini 2.5 Pro 和 o3 Mini 之間。
• 在編程相關的 LiveCodeBench 和 CodeForces 測試中，甚至超過了 Gemini 2.5 Pro。

這一系列表現彰顯了 Qwen3 的強大競爭力。

圖片

模型種類豐富，覆蓋多種需求

此次發布除了旗艦的 MoE 模型外，還包含了從 32B 到 6B 參數量不等的 6 款稠密模型（Dense Models，非專家混合型），以滿足不同算力需求的場景。

所有模型都將開源發布于：

• HuggingFace
• ModelScope
• Kaggle

令人期待的獨特功能

Qwen3 一位開發者暗示，該模型具有一些“未在官方模型卡中詳細說明的特殊功能”，未來將在科研及產品開發方面帶來新可能。

已公開的關鍵功能包括：

• 可在**常規模式（Regular Mode）與深度思考模式（Extended Thinking Mode）**間自由切換；
• 提供高效的“思考預算”管理機制（Thinking Budget），即允許用戶自由控制模型用于推理的 Token 數量，投入更多 Token 時效果顯著提升；
• 支持多達 119 種語言，具備明顯增強的代碼生成與智能代理（Agentic）能力。

龐大的訓練數據集與創新的訓練策略

Qwen3 采用的數據集規模空前，接近 Qwen2.5 所用 **18 萬億 Token（18T）**的兩倍，達到約 35 萬億 Token（35T）。

在訓練過程中，研究團隊還創新性地利用自家模型迭代強化訓練數據：

• 使用 Qwen2.5VL 模型從文檔中提取文本內容；
• 再以 Qwen2.5 基礎模型對上述文本內容進行提升優化；
• 同時借助 Qwen2.5 Math 與 Coder 模型生成高質量合成數據。

這種逐步迭代的訓練方法，使模型在每個階段都實現了性能的遞進式提升。

此外，訓練過程分為三個預訓練階段與四個后續訓練階段：

圖片

預訓練階段：

• 通用語言數據：約 30 萬億 Token；
• 知識密集型數據：額外 5 萬億 Token；
• 擴展上下文長度至 32K Token。

后續訓練階段：

• 長鏈思考訓練（Long Chain-of-Thought）；
• 強化學習微調（Reinforcement Learning）；
• 思考模式融合（Thinking Mode Fusion）；
• 一般化強化學習。

對更輕量級模型，則采取了知識蒸餾（Distillation）的方式，從大模型向小模型傳遞能力，從而實現了在邊緣設備與手機端的高效部署。

完全開源，商業友好

Qwen3 全系列模型采用 Apache 2.0 協議 完全開源，允許開發者：

• 商業化應用；
• 創建衍生作品；
• 以合規署名方式自由銷售基于 Qwen3 構建的產品。

開發團隊表示：

“我們相信，AI 模型的開發正在從以訓練模型為中心，轉向以訓練智能代理（Agent）為核心的新時代。”

市場競爭日益激烈

隨著 Qwen3 的強勢發布，以及 DeepSeek 可能即將公布的新模型，未來幾周 AI 領域勢必掀起新一輪的技術競賽熱潮。

AI 從業者與觀察人士無不期待，這場競爭將如何推動技術邊界持續擴展。

觀點與討論

本次 Qwen3 的突然崛起，不僅標志著中國開源 AI 模型的又一里程碑，也意味著行業格局或將再次面臨洗牌。