阿里Qwen3如何改写AI生产力格局？

作者｜田思奇

编辑｜栗子

当AI从实验室走向全场景应用，如何兼顾性能与成本，成为每一个开发者与企业共同的难题。

4月29日凌晨，伴随着全球互联网的猜测与期待，阿里巴巴正式开源新一代通义千问模型Qwen3（以下简称“千问3”），并同步发布了多个版本，力图改写上述困境。

这款模型以DeepSeek-R1三分之一的参数量，实现了数学、代码、多语言理解等核心能力对全球顶尖模型的全面超越，并凭借“混合推理”架构与全场景部署方案，将大模型的应用成本降至历史最低水平。

这不仅意味着中国AI首次登上全球开源模型性能巅峰，也是AI从实验室走向产业规模化落地的关键。

1.快与慢之间：千问3首次集成“混合推理”

在AI模型结构设计中，过往的竞争主要集中在“推理速度”和“推理深度”之间的取舍：要么快，要么深，但难以兼得。

作为国内首个 “混合推理模型”，千问3创造性地将 “快思考” 与 “慢思考” 集成于同一框架，如同赋予模型人类般的思维灵活性：面对简单咨询时，模型以低算力快速响应；处理复杂问题时，则可启动多步骤深度推理。这种设计不仅大幅降低算力消耗，更解决了传统模型在任务适配中的效率瓶颈。

LangGPT社区创始人云中江树对“甲子光年”表示，“混合推理”是通义千问模型更新中最大的变化。千问3问世以前，该系列的推理模型为QwQ，非推理模型是Qwen2.5， 现在推理和非推理能力合二为一。

这也预示着，AI应用将告别“一刀切”的粗放模式。在产业落地环节，它能以更智能、更经济的方式渗透到金融风控、医疗诊断等对精度要求极高的领域。

对于“千问3是否会弱化提示词价值”的问题，云中江树认为，模型本身越强，提示词能发挥的价值越高。这里的“弱化”，更多指代的是“工程”，也就是弱化提示词工程中的一些复杂、奇特的提示技巧，迭代调优的精力。

千问3背后的混合专家（MoE）架构同样功不可没。总参数量235B的千问3，实际激活仅需22B，结合36T数据预训练与多轮强化学习，实现性能飞升的同时，也将成本大幅降低。

在测试奥数水平的AIME25测评中，千问3斩获81.5分，刷新开源纪录；代码能力测试中，千问3 LiveCodeBench得分突破70分，超越Grok3；人类偏好对齐测评里，ArenaHard 95.6分的成绩更是超越OpenAI-o1及DeepSeek-R1。

为了适配不同场景需求，千问3同步开源了8款不同规模的模型版本，包括0.6B、1.7B、4B、8B、14B、32B密集模型，以及30B-A3B、235B-A22B两款MoE大模型，每款模型均斩获同尺寸开源模型SOTA（最佳性能），并在多任务处理、系统集成与模型压缩等方面做了针对性优化，使得开发者与企业用户可以根据资源条件灵活选择，快速落地各类创新应用。

以上所有千问3模型都是混合推理模型。经“甲子光年”实测，用户可按需设置“思考预算”（即预期最大深度思考的tokens数量），进行不同程度的思考，灵活满足AI应用和不同场景对性能和成本的多样需求。 

这一布局，为AI从“能用”到“好用”的过程提供了关键支撑——模型不仅要算得准，还应以更低的成本部署到更多真实场景之中。

2.产业智能化，从千问3开始

技术创新的终极目标是服务产业。当千问3以突破性的架构刷新开源模型性能天花板后，其多版本、低成本的特性，也将成为撬动各行业智能化转型的支点。

具体来看，千问3的不同版本将分别适配于不同场景，尤其对手机、智能眼镜、智能驾驶、人形机器人等智能设备和场景的部署更为友好。

• 小型模型（0.6B/1.7B）：适合学术探索与轻量级移动应用；

• 中型模型（4B/8B）：适配笔记本电脑、车载系统等端侧部署；

• 大型模型（14B/32B）：服务于企业级部署与高性能推理任务；

• MoE模型（30B-A3B/235B-A22B）：面向云端服务与大型本地部署，兼顾极致性能与极高推理效率。

此外，传统印象中，顶级大模型部署动辄需要上千万元的硬件投入，而千问3打破了这一魔咒。

以其最大规模的235B-A22B模型为例，在典型部署环境下，仅需4张H20显卡即可满血运行，整体部署成本仅为同期满血版DeepSeek-R1的25%至35%。

简而言之，几十万元的预算，就可以拥有全球最强开源大模型的推理与服务能力。

在成本控制上，千问3的API“思考预算” 设置堪称点睛之笔。开发者可根据任务复杂度动态调整推理深度，在性能与成本间自由权衡。结合MoE架构的低部署成本，即使中小企业也能以较低门槛接入顶尖AI能力，加速行业智能化转型。

云中江树对“甲子光年”表示，相比DeepSeek、Llama模型来说，千问3具有更丰富的谱系选择，能够更好的支持全场景的落地应用需求。

同时，千问3所有模型均在Apache2.0许可下开源，是非常宽松的开源协议，不但允许商业使用，还允许修改和分发代码，不需要分享修改后的源代码。并且Apache 2.0的法律全面性、专利保护更好，是大型企业开源的常用选择。

更值得关注的是，千问3原生支持MCP协议，并通过Qwen-Agent框架降低智能体开发门槛。

在BFCL评测中，Qwen3以70.8分超越Gemini2.5-Pro等模型，证明其在智能体工具调用上的领先优势。这意味着开发者可基于MCP协议，快速构建手机助手、办公机器人等智能体应用，为即将爆发的Agent生态提供核心技术支撑。

MCP协议如同智能体的“通用语言”，而Qwen-Agent框架则是“翻译器”与“工具箱”。两者结合，使得开发者只需通过简单配置，就能将千问3的能力快速转化为智能客服、智能办公等场景应用，开发周期大幅缩短。

总结来看，千问3向产业提供了“人人可用、处处能跑”的全新范式，必将推动AI真正走出技术象牙塔，奔赴产业最前线。

3.3800亿元豪赌：AI重估阿里云

技术能力之外，千问3的发布，也标志着阿里云向全球AI中枢的战略转型全面提速。

千问3的开源，无疑是阿里通义千问开源战略的又一里程碑。自2023年起，阿里已开源200余个模型，全球下载量超3亿次，千问衍生模型突破10万个，超越Llama成为全球第一开源模型家族；支持119种语言的千问3，更打破语言壁垒，为缺乏自研能力的国家和地区提供了全球顶尖的AI模型能力。

时至今日，通义千问Qwen在全球下载量超过3亿，在HuggingFace社区2024年全球模型下载量中千问Qwen占比超30%，稳居第一。在2025年2月的Huggingface全球开源大模型榜单（Open LLM Leaderboard）中，排名前十的开源模型全部都是基于千问Qwen二次开发的衍生模型。

在李飞飞领衔的斯坦福HAI研究所发布的《2025年人工智能指数报告》显示，2024年重要大模型（Notable Models）中，阿里入选6个，按照模型贡献度排名，阿里AI贡献位列全球第三。

“甲子光年”观察到，全球AI产业已从单点突破、封闭竞争，转向开放协作、平台化竞争。开源大模型成为构建开放生态、抢占行业标准制高点的关键。千问3以其领先的性能、完善的产品线和极致的成本优势，为阿里巴巴在AI生态系统建设中，提供了强有力的技术底座。

上线开源数小时后，华为已宣布升腾支持千问3全系列模型部署，开发者在MindSpeed和MindIE中开箱即用，实现千问3的0Day适配。英伟达、英特尔、联发科、AMD等多家头部芯片厂商已成功适配千问3，在不同硬件平台和软件栈上的推理效率均显著提升，可满足移动终端和数据中心场景的AI推理需求。

在技术生态建设上，就在不久之前，阿里云百炼刚刚上线业界首个全生命周期MCP服务，无需用户管理资源、开发部署、工程运维等工作，5分钟即可快速搭建一个连接MCP服务的Agent（智能体）。中国第一AI开源社区魔搭更是上线了国内最大的中文MCP广场，支付宝、MiniMax等MCP服务首发魔搭。

今年2月，阿里巴巴集团CEO吴泳铭还刚刚宣布，未来三年，阿里将投入超过3800亿元，用于建设云和AI硬件基础设施。由此，阿里从算力基建，到模型研发，再到应用落地的全链条布局逐步清晰——不仅是要从电商巨头向智能服务提供商迈进，更要成为全球AI技术领导者。

如今的阿里，也将凭借千问3的技术优势与开源生态，重新定义自身价值。在AI重估浪潮下，其全球竞争力已不仅限于云计算资源，更在于通过技术创新驱动产业升级的能力。随着夸克、通义 APP 等业务全面接入千问3，一个以阿里云为核心的智能生态正在成型，而这或许只是阿里主导新一轮AI产业周期的起点。

更重要的是，人工智能将不再是少数巨头的专属技术，而是每一位开发者、每一家企业、每一个普通用户都能触手可及的创新力量。

未来两到三年，我们一定能见证AI原生应用的爆发式增长，人工智能成为个人生产力工具的标配，同时企业智能化加速，形成“千企千面”的智能运营新格局。

全球AI创新的新一轮浪潮，正在以一种更开放、更协同的方式展开。

（封面图和文中图片来自通义千问）

海量资讯、精准解读，尽在新浪财经APP