今天，Qwen 家族新成员Qwen3正式发布，包含多种模型版本。
模型类型与参数
- MoE模型：
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。
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。
模力方舟上的昇腾算力已为您准备好首批0.6B、8B、30B三款模型，其中30B为 Mixture-of-Experts（MoE）模型，覆盖从轻量部署到高性能推理的多元应用需求，助力开发者轻松拥抱新一代大模型能力。
访问以下链接即可在线体验：ai.gitee.com/serverless-…
全面升级的 Qwen3 模型
基准测试结果
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
Qwen3 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。
Qwen3 关键特性
混合思维模式
-
思考模式：适合复杂问题，支持逐步推理，性能随计算预算（token量）提升而线性增长。
-
非思考模式：响应快速，适用于简单任务，可通过参数 enable_thinking 或指令 /no_think / /think 动态切换。
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。
训练与架构
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。
训练阶段
-
S1：基于30万亿token、4K上下文，构建基础语言能力。
-
S2：增加STEM、编码等知识密集型数据，新增5万亿token训练。
-
S3：使用长上下文数据，将上下文扩展至32K（最终支持128K）。
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。
官方博客：qwenlm.github.io/blog/qwen3/
昇腾加速，释放 MoE 潜能
此次在模力方舟首发的0.6B、8B、30B三款Qwen3模型，均基于细粒度专家调度机制，具备更优的推理效率与更低的推理成本。支持最大 256K 上下文长度，统一推理与非推理模式，灵活应对长文理解、多轮对话、复杂推理与智能 Agent 开发等高阶任务。
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。新版vLLM Ascend率先实现Ascend W8A8量化、DeepSeek并行机制适配，并启用PyTorch 2.5.1及Torch.compile图模式特性，在推理性能、兼容性与开发体验上全面升级，为大模型部署提供了更高效、更专业的基础能力。
在线体验 Qwen3
访问以下链接，在线体验 Qwen3 的强大实力：ai.gitee.com/serverless-…
模力方舟的 AI 模型广场提供了行业大模型、文本生成、视觉模型、语音多模态、图像生成与处理、3D生成、文档处理/OCR、视频生成、自动语音识别、语音合成、向量化和重排、代码生成、风控识别十三大类共 781 款各领域的顶尖开源模型的在线体验和 API 使用。通过购买模型资源包，即可通过极低的价格即可尽享众多主流模型。
