阿里Qwen3如何改寫AI生產力格局？

作者｜田思奇

編輯｜栗子

當AI從實驗室走向全場景應用，如何兼顧性能與成本，成爲每一個開發者與企業共同的難題。

4月29日凌晨，伴隨着全球互聯網的猜測與期待，阿里巴巴正式開源新一代通義千問模型Qwen3（以下簡稱“千問3”），並同步發佈了多個版本，力圖改寫上述困境。

這款模型以DeepSeek-R1三分之一的參數量，實現了數學、代碼、多語言理解等核心能力對全球頂尖模型的全面超越，並憑藉“混合推理”架構與全場景部署方案，將大模型的應用成本降至歷史最低水平。

這不僅意味着中國AI首次登上全球開源模型性能巔峯，也是AI從實驗室走向產業規模化落地的關鍵。

1.快與慢之間：千問3首次集成“混合推理”

在AI模型結構設計中，過往的競爭主要集中在“推理速度”和“推理深度”之間的取捨：要麼快，要麼深，但難以兼得。

作爲國內首個 “混合推理模型”，千問3創造性地將 “快思考” 與 “慢思考” 集成於同一框架，如同賦予模型人類般的思維靈活性：面對簡單諮詢時，模型以低算力快速響應；處理複雜問題時，則可啓動多步驟深度推理。這種設計不僅大幅降低算力消耗，更解決了傳統模型在任務適配中的效率瓶頸。

LangGPT社區創始人云中江樹對“甲子光年”表示，“混合推理”是通義千問模型更新中最大的變化。千問3問世以前，該系列的推理模型爲QwQ，非推理模型是Qwen2.5， 現在推理和非推理能力合二爲一。

這也預示着，AI應用將告別“一刀切”的粗放模式。在產業落地環節，它能以更智能、更經濟的方式滲透到金融風控、醫療診斷等對精度要求極高的領域。

對於“千問3是否會弱化提示詞價值”的問題，雲中江樹認爲，模型本身越強，提示詞能發揮的價值越高。這裏的“弱化”，更多指代的是“工程”，也就是弱化提示詞工程中的一些複雜、奇特的提示技巧，迭代調優的精力。

千問3背後的混合專家（MoE）架構同樣功不可沒。總參數量235B的千問3，實際激活僅需22B，結合36T數據預訓練與多輪強化學習，實現性能飛昇的同時，也將成本大幅降低。

在測試奧數水平的AIME25測評中，千問3斬獲81.5分，刷新開源紀錄；代碼能力測試中，千問3 LiveCodeBench得分突破70分，超越Grok3；人類偏好對齊測評裏，ArenaHard 95.6分的成績更是超越OpenAI-o1及DeepSeek-R1。

爲了適配不同場景需求，千問3同步開源了8款不同規模的模型版本，包括0.6B、1.7B、4B、8B、14B、32B密集模型，以及30B-A3B、235B-A22B兩款MoE大模型，每款模型均斬獲同尺寸開源模型SOTA（最佳性能），並在多任務處理、系統集成與模型壓縮等方面做了針對性優化，使得開發者與企業用戶可以根據資源條件靈活選擇，快速落地各類創新應用。

以上所有千問3模型都是混合推理模型。經“甲子光年”實測，用戶可按需設置“思考預算”（即預期最大深度思考的tokens數量），進行不同程度的思考，靈活滿足AI應用和不同場景對性能和成本的多樣需求。 

這一佈局，爲AI從“能用”到“好用”的過程提供了關鍵支撐——模型不僅要算得準，還應以更低的成本部署到更多真實場景之中。

2.產業智能化，從千問3開始

技術創新的終極目標是服務產業。當千問3以突破性的架構刷新開源模型性能天花板後，其多版本、低成本的特性，也將成爲撬動各行業智能化轉型的支點。

具體來看，千問3的不同版本將分別適配於不同場景，尤其對手機、智能眼鏡、智能駕駛、人形機器人等智能設備和場景的部署更爲友好。

• 小型模型（0.6B/1.7B）：適合學術探索與輕量級移動應用；

• 中型模型（4B/8B）：適配筆記本電腦、車載系統等端側部署；

• 大型模型（14B/32B）：服務於企業級部署與高性能推理任務；

• MoE模型（30B-A3B/235B-A22B）：面向雲端服務與大型本地部署，兼顧極致性能與極高推理效率。

此外，傳統印象中，頂級大模型部署動輒需要上千萬元的硬件投入，而千問3打破了這一魔咒。

以其最大規模的235B-A22B模型爲例，在典型部署環境下，僅需4張H20顯卡即可滿血運行，整體部署成本僅爲同期滿血版DeepSeek-R1的25%至35%。

簡而言之，幾十萬元的預算，就可以擁有全球最強開源大模型的推理與服務能力。

在成本控制上，千問3的API“思考預算” 設置堪稱點睛之筆。開發者可根據任務複雜度動態調整推理深度，在性能與成本間自由權衡。結合MoE架構的低部署成本，即使中小企業也能以較低門檻接入頂尖AI能力，加速行業智能化轉型。

雲中江樹對“甲子光年”表示，相比DeepSeek、Llama模型來說，千問3具有更豐富的譜系選擇，能夠更好的支持全場景的落地應用需求。

同時，千問3所有模型均在Apache2.0許可下開源，是非常寬鬆的開源協議，不但允許商業使用，還允許修改和分發代碼，不需要分享修改後的源代碼。並且Apache 2.0的法律全面性、專利保護更好，是大型企業開源的常用選擇。

更值得關注的是，千問3原生支持MCP協議，並通過Qwen-Agent框架降低智能體開發門檻。

在BFCL評測中，Qwen3以70.8分超越Gemini2.5-Pro等模型，證明其在智能體工具調用上的領先優勢。這意味着開發者可基於MCP協議，快速構建手機助手、辦公機器人等智能體應用，爲即將爆發的Agent生態提供核心技術支撐。

MCP協議如同智能體的“通用語言”，而Qwen-Agent框架則是“翻譯器”與“工具箱”。兩者結合，使得開發者只需通過簡單配置，就能將千問3的能力快速轉化爲智能客服、智能辦公等場景應用，開發週期大幅縮短。

總結來看，千問3向產業提供了“人人可用、處處能跑”的全新範式，必將推動AI真正走出技術象牙塔，奔赴產業最前線。

3.3800億元豪賭：AI重估阿里雲

技術能力之外，千問3的發佈，也標誌着阿里雲向全球AI中樞的戰略轉型全面提速。

千問3的開源，無疑是阿里通義千問開源戰略的又一里程碑。自2023年起，阿里已開源200餘個模型，全球下載量超3億次，千問衍生模型突破10萬個，超越Llama成爲全球第一開源模型家族；支持119種語言的千問3，更打破語言壁壘，爲缺乏自研能力的國家和地區提供了全球頂尖的AI模型能力。

時至今日，通義千問Qwen在全球下載量超過3億，在HuggingFace社區2024年全球模型下載量中千問Qwen佔比超30%，穩居第一。在2025年2月的Huggingface全球開源大模型榜單（Open LLM Leaderboard）中，排名前十的開源模型全部都是基於千問Qwen二次開發的衍生模型。

在李飛飛領銜的斯坦福HAI研究所發佈的《2025年人工智能指數報告》顯示，2024年重要大模型（Notable Models）中，阿里入選6個，按照模型貢獻度排名，阿里AI貢獻位列全球第三。

“甲子光年”觀察到，全球AI產業已從單點突破、封閉競爭，轉向開放協作、平臺化競爭。開源大模型成爲構建開放生態、搶佔行業標準制高點的關鍵。千問3以其領先的性能、完善的產品線和極致的成本優勢，爲阿里巴巴在AI生態系統建設中，提供了強有力的技術底座。

上線開源數小時後，華爲已宣佈升騰支持千問3全系列模型部署，開發者在MindSpeed和MindIE中開箱即用，實現千問3的0Day適配。英偉達、英特爾、聯發科、AMD等多家頭部芯片廠商已成功適配千問3，在不同硬件平臺和軟件棧上的推理效率均顯著提升，可滿足移動終端和數據中心場景的AI推理需求。

在技術生態建設上，就在不久之前，阿里雲百鍊剛剛上線業界首個全生命週期MCP服務，無需用戶管理資源、開發部署、工程運維等工作，5分鐘即可快速搭建一個連接MCP服務的Agent（智能體）。中國第一AI開源社區魔搭更是上線了國內最大的中文MCP廣場，支付寶、MiniMax等MCP服務首發魔搭。

今年2月，阿里巴巴集團CEO吳泳銘還剛剛宣佈，未來三年，阿里將投入超過3800億元，用於建設雲和AI硬件基礎設施。由此，阿里從算力基建，到模型研發，再到應用落地的全鏈條佈局逐步清晰——不僅是要從電商巨頭向智能服務提供商邁進，更要成爲全球AI技術領導者。

如今的阿里，也將憑藉千問3的技術優勢與開源生態，重新定義自身價值。在AI重估浪潮下，其全球競爭力已不僅限於雲計算資源，更在於通過技術創新驅動產業升級的能力。隨着夸克、通義 APP 等業務全面接入千問3，一個以阿里云爲核心的智能生態正在成型，而這或許只是阿里主導新一輪AI產業週期的起點。

更重要的是，人工智能將不再是少數巨頭的專屬技術，而是每一位開發者、每一家企業、每一個普通用戶都能觸手可及的創新力量。

未來兩到三年，我們一定能見證AI原生應用的爆發式增長，人工智能成爲個人生產力工具的標配，同時企業智能化加速，形成“千企千面”的智能運營新格局。

全球AI創新的新一輪浪潮，正在以一種更開放、更協同的方式展開。

（封面圖和文中圖片來自通義千問）

海量資訊、精準解讀，盡在新浪財經APP