國(guó)內(nèi)第一個(gè)混合推理模型，也是第一個(gè)開源的混合推理模型。

今天（4 月 29 日）凌晨，阿里巴巴推出了 4 月壓軸的一款大語(yǔ)言模型——Qwen3 系列。

而在這個(gè)月，Meta、字節(jié)跳動(dòng)、OpenAI、Google、百度都在稍早前推出了新的大模型，OpenAI 甚至一次性拿出三款大模型，百度也在這周舉行的 Create 2025 百度 AI 開發(fā)者大會(huì)上發(fā)布了兩款大模型。

但在這一眾新模型中，阿里還能搞出什么新意？事實(shí)上還真有，除了繼續(xù)保持開源路線，Qwen3 系列作為阿里定位中的旗艦大模型，在模型性能上也有了不小的進(jìn)步，再次縮小與頂尖大模型之間的能力差。

此外，Qwen3 系列還是一款混合推理模型，甚至官方博文的標(biāo)題就是《Qwen3：思深，行速》。簡(jiǎn)單來說，Qwen3 支持思考模式和非思考模式，而不像 DeepSeek 深度思考下是 R1，關(guān)閉深度思考其實(shí)是 V3。

圖/雷科技

關(guān)于混合推理模型，雷科技在今年 2 月就報(bào)道并介紹了首款混合推理模型，以及混合推理的優(yōu)勢(shì)所在，并指出：「混合推理模式」可能會(huì)成為大模型發(fā)展的下一個(gè)標(biāo)準(zhǔn)配置。

而回到阿里剛剛發(fā)布的 Qwen3 系列，作為國(guó)內(nèi)首個(gè)混合推理模型，也是首個(gè)混合推理開源模型，再加上模型性能方面的進(jìn)步，也難怪 Qwen3 推出僅僅四個(gè)小時(shí)后，就在全球最大開發(fā)者社區(qū) Github 拿到了 1.7 萬個(gè) Star。

問題在于，在模型跑分越來越受爭(zhēng)議的今天，Qwen3 系列實(shí)際上真能兌現(xiàn)跑分體現(xiàn)出的能力，以及混合推理模型的優(yōu)勢(shì)嗎？

跑分追上頂級(jí)閉源模型，阿里 Qwen3 成色幾何？

毫無疑問，Qwen3 系列最大的亮點(diǎn)之一就是通過引入混合推理設(shè)計(jì)，實(shí)現(xiàn)了同一模型的「思考模式」與「非思考模式」，阿里這次是把這兩種「腦回路」都塞進(jìn)了同一個(gè)模型里，還開放給用戶和開發(fā)者自由選擇。

非思考模式下，Qwen3 系列會(huì)充分發(fā)揮快速響應(yīng)的優(yōu)勢(shì)，更像傳統(tǒng)語(yǔ)言模型的輸出方式——快速直接地生成結(jié)果。而在思考模式下，模型則會(huì)進(jìn)行深入地思考和推理，比如先分解問題、做一步步的邏輯推導(dǎo)，再得出結(jié)論。

圖/雷科技

這種架構(gòu)并不是第一次被提出，但 Qwen3 系列是國(guó)內(nèi)首個(gè)真正落地混合推理并完全開源的模型。

在全球范圍內(nèi)，除了首先采用這種設(shè)計(jì) Claude-3.7-Sonnet，也只有 Google 在 4 月中旬才推出的 Gemini 2.5 Flash 上做出了類似嘗試，包括 OpenAI 盡管早早表明了「混合推理」的目標(biāo)，但仍在開發(fā)中。

不僅如此，Qwen3 系列還是一個(gè)多尺寸的系列模型，覆蓋包括 0.6B、1.7B、4B、8B、14B、32B，一共 6 個(gè)尺寸的稠密模型，以及 Qwen3-30B-A3B 和 Qwen3-235B-A22B 共 2 個(gè)適用于復(fù)雜任務(wù)的 MoE 混合專家模型，并且全部支持 119 種語(yǔ)言和方言。

Qwen3 不只是架構(gòu)上「動(dòng)了腦子」，性能表現(xiàn)也確實(shí)有料。阿里宣稱，小模型如 Qwen3-4B 的性能已可媲美上一代的 Qwen2.5-72B-Instruct，同時(shí) MoE 模型更是在基準(zhǔn)測(cè)試上表現(xiàn)出了媲美頂尖閉源模型的能力。

圖/阿里

尤其是參數(shù)規(guī)模達(dá)到 2350 萬億的 Qwen3-235B-A22B，在數(shù)學(xué)推理基準(zhǔn) AIME25 上，得分達(dá)到 81.5，刷新開源模型紀(jì)錄；在代碼能力測(cè)試 LiveCodeBench 中得分超過 70，超過 Grok-3；在人類偏好評(píng)估 ArenaHard 中，得分 95.6，超過 OpenAI o1 和 DeepSeek-R1。

這些進(jìn)步，在一定程度上也解釋了為何 Qwen3 系列一經(jīng)發(fā)布就受到社區(qū)熱烈歡迎。

另一方面，Qwen3 團(tuán)隊(duì)還強(qiáng)調(diào)了 Agent 能力的增強(qiáng)以及對(duì) MCP 的支持，算是順理成章，但目前還沒有看出亮眼的地方。主要可能還是，AI 開發(fā)者打造 Agent 的好選擇又多了一個(gè)。

不過 Qwen3 系列當(dāng)然還談不上十全十美。在實(shí)際推理表現(xiàn)上，Qwen3-235B-A22B 距離今天的頂級(jí)模型還有明顯的差異，實(shí)測(cè)即便在滿血狀態(tài)下，遇到困難問題還是容易陷入「冗長(zhǎng)而無用」的推理中，最后的結(jié)果也不理想。

比如雷科技在 OpenAI-o3 上手測(cè)試中提出的問題，o3 可以條理清晰地回答「父親崩潰的原因」，但 Qwen3-235B-A22B 則遇到了和 DeepSeek-R1 類似的問題——思考太久且不斷重復(fù)方向，甚至沒有抓住「女兒是色盲」這一關(guān)鍵的可能性。

圖/雷科技

包括在 Hacker News 上，也有網(wǎng)友指出 Qwen3-235B-A22B 面對(duì)復(fù)雜問題時(shí)的表現(xiàn)。

圖/ Hacker News

不過降低一點(diǎn)難度，在經(jīng)典過河問題上稍作改造來提問 Qwen3-235B-A22B，詢問怎么把卷心菜、山羊、狼和獅子完整拉過河。盡管采用了窮舉的方式，但還是找到了安全的路徑，關(guān)鍵是對(duì)規(guī)則的理解非常到位。

當(dāng)然，時(shí)間有限我們暫時(shí)只是簡(jiǎn)單地上手，但也大體能看出 Qwen3 最強(qiáng)版本的「成色」，如果從基準(zhǔn)測(cè)試的分?jǐn)?shù)來看，最好還是放低一下期待。但放到今天的大模型戰(zhàn)場(chǎng)來看，Qwen3 系列依然稱得上最強(qiáng)開源模型，并且混合推理的設(shè)計(jì)也給用戶和開發(fā)者帶來了更靈活的選擇。

放大鏡下的 Qwen3，阿里的一次關(guān)鍵補(bǔ)強(qiáng)

放在更大的時(shí)間尺度上來看，Qwen3 系列的發(fā)布，并不僅僅是一次模型升級(jí)這么簡(jiǎn)單，而是可以看作阿里在 AI 戰(zhàn)略上的一次重要補(bǔ)強(qiáng)。

過去兩年里，阿里在大模型領(lǐng)域的布局其實(shí)并不算慢，通義千問體系逐步完善，開源也走得比較早。但無論是在模型的全球聲量，還是在開源社區(qū)的話語(yǔ)權(quán)上，始終未能真正站到最前排。

在 4 月爆料 Qwen3 即將發(fā)布（雖然發(fā)布時(shí)間推遲了）的報(bào)道中，虎嗅還指出，基礎(chǔ)模型團(tuán)隊(duì)在阿里內(nèi)部最重要的考核維度是「模型影響力」，高層希望可以在業(yè)內(nèi)成功塑造「最強(qiáng)模型」的心智。

想復(fù)制 DeepSeek 的影響力，很難。圖/ X

不過 OpenAI、DeepSeek、Google 以及 Anthropic 等公司接連發(fā)布的強(qiáng)力模型，阿里此前更多是追隨者角色，很難形成技術(shù)引領(lǐng)的姿態(tài)。Qwen3 系列的推出，無疑是一場(chǎng)重要的補(bǔ)強(qiáng)，也在某種程度上緩解了這種局面。

尤其是在開源模型領(lǐng)域，Qwen3 覆蓋了從小參數(shù)到大參數(shù)、稠密模型到混合專家模型的一整套體系，支持 119 種語(yǔ)言和方言，同時(shí)在 Hugging Face、GitHub 等開發(fā)者社區(qū)迅速獲得了不錯(cuò)的反響。這不僅擴(kuò)展了阿里在開源生態(tài)中的存在感，也為更多模型應(yīng)用、工具鏈建設(shè)打下了基礎(chǔ)。

而從商業(yè)化的角度來看，Qwen3 系列也直接回應(yīng)了當(dāng)前模型商業(yè)應(yīng)用的兩大痛點(diǎn)：推理成本高，以及靈活適配性不足。通過引入 MoE 架構(gòu)大幅降低推理成本，同時(shí)又在推理機(jī)制上支持思考與非思考的靈活切換，Qwen3 在推理效率、推理成本之間嘗試找到相對(duì)平衡的位置。

對(duì)于阿里云現(xiàn)有的 AI 服務(wù)體系，尤其是政企、制造、金融等行業(yè)客戶來說，更低的部署門檻和更高的適配靈活性，無疑可以增強(qiáng)阿里在大模型商業(yè)化競(jìng)爭(zhēng)中的籌碼。更重要的是，大模型能力注定是未來 AI 云競(jìng)爭(zhēng)的「勝負(fù)手」。

圖/阿里

但如果回到更理性的位置來看，Qwen3 系列仍然存在著一些明顯的不足。正如前文所述，它目前仍然是一個(gè)純文本語(yǔ)言模型，多模態(tài)乃至 QvQ-Max 上的視覺推理能力都尚未同步整合進(jìn)來。簡(jiǎn)言之，真比最強(qiáng)的模型能力，Qwen3 還有不少需要改進(jìn)和補(bǔ)足的空間。

另一方面，盡管 Qwen3 系列在推理機(jī)制上實(shí)現(xiàn)了創(chuàng)新，但在真正復(fù)雜推理問題中的穩(wěn)定性和魯棒性，相比 OpenAI、Anthropic 等頂級(jí)閉源模型，依然有不小差距。

尤其在需要長(zhǎng)鏈條邏輯推理、多輪嚴(yán)密推導(dǎo)的任務(wù)上，Qwen3 的「思考」模式表現(xiàn)出一定的不穩(wěn)定性，偶爾出現(xiàn)的推理偏移、冗長(zhǎng)不聚焦的問題，也說明了目前的混合推理設(shè)計(jì)還有打磨的余地。

總而言之，在這個(gè)大模型競(jìng)爭(zhēng)白熱化的 4 月，Qwen3 的推出確實(shí)為阿里帶來了一次必要且及時(shí)的升級(jí)。它不僅在性能上與頂尖模型縮小了差距，也在推理機(jī)制上探索了新的可能性，同時(shí)還有潛力幫助阿里在 AI 的商業(yè)化方向補(bǔ)上短板。

可見的是，大模型的競(jìng)爭(zhēng)還會(huì)繼續(xù)加劇，性能和成本依舊會(huì)是兩條重要「主線」，阿里能否繼續(xù)保持節(jié)奏，甚至在可以預(yù)見的「智能體爆發(fā)」中占據(jù)主動(dòng)，仍然需要更多技術(shù)演進(jìn)和產(chǎn)品落地來檢驗(yàn)。

不過至少在今天，Qwen3 確實(shí)讓阿里不容忽視。

    來源：雷科技

       原文標(biāo)題 : 4月大模型最后一舞！阿里Qwen3真能成為開源大模型之王嗎？