一、Qwen3核心优势

结论，针对这些场景：上下文理解、任务编排、工具调用、数据要素抽取等环节，Qwen3-32B已接近DeepSeek-R1。

二、关键测试环节

1、上下文改写

Qwen3-32B对绝对时间语境理解优于Qwen2.5-72B。

其余改写方面，三个模型差异不大，效果都存在缺陷。

2、任务编排与工具调用

Qwen3-32B任务拆解能力优于Qwen2.5-72B，接近DeepSeek-R1。

3、数据查询场景

时间要素解析：Qwen3-32B与DeepSeek-R1并列最优。

实体抽取：Qwen3-32B在Dense模型表现更稳定。

4、图表生成

Qwen3-235B-A22B排版最优，32B略逊于DeepSeek-R1，优于Qwen2.5-72B。

三、关键对比

维度场景 Qwen3-32B Qwen3-325B-A22B DeepSeek-R1 Qwen2.5-72B
上下文改写（理解）能力 ※ 最优（绝对时间理解） 优秀 ※ 最优 部分错误（依赖历史语境）
任务编排与工具调用 接近R1 ※ 优秀 ※ 优秀 部分失败
数据要素抽取 ※ 最优 ※ 最优 存在漏检 部分错误
图表生成能力 排版差 ※ 最优 ※ 最优 数据遗漏
总结反思能力 ※ 合理修复 ※ 合理修复 未修复成功 简单处理

四、性能对比

模型 token速率 (token/s)
Qwen3-32b (硬关闭思考) 80.05
Qwen3-32b (软关闭思考) 80.87
Qwen2.5-32b 74.72

Qwen3-32b (硬关闭思考)

五、性能对比图

5.1 qwen3-32b 强制关闭思考，平均响应时间

在这里插入图片描述

5.2 qwen3-32b 软关闭思考，平均响应时间

在这里插入图片描述

5.3 qwen2.5-32b 软关闭思考，平均响应时间

在这里插入图片描述

Logo
火山引擎 ADG 社区

火山引擎开发者社区是火山引擎打造的AI技术生态平台，聚焦Agent与大模型开发，提供豆包系列模型（图像/视频/视觉）、智能分析与会话工具，并配套评测集、动手实验室及行业案例库。社区通过技术沙龙、挑战赛等活动促进开发者成长，新用户可领50万Tokens权益，助力构建智能应用。

更多推荐

OpenClaw 本地部署完整指南（Windows + Ollama）

本文档基于实际部署经验编写，旨在帮助你在 Windows 系统上从零开始搭建 OpenClaw，并连接本地 Ollama 模型（如 Qwen2.5 或 Qwen3），使其具备完整的智能体能力。文档包含了所有关键步骤以及常见问题的解决方案。

avatar 火山引擎 ADG 社区

OpenClaw 小白安装指南（Windows版）

（类似一个能自动执行任务的AI机器人），不是游戏。API Key只保存在你本地电脑的加密文件里，不会上传到任何地方。访问：https://github.com/miaoxworld/openclaw-manager/releases。: 一键安装脚本会自动安装Node.js 22+，如果失败，手动下载安装：https://nodejs.org/：在PowerShell中，鼠标右键就是粘贴，不需要按

avatar 火山引擎 ADG 社区

飞书 × OpenClaw 接入指南：不用服务器，用长连接把机器人跑起来

这个项目存在的意义，就是把“飞书接 OpenClaw”这件事，整理成一套的配置入口，并把官方文档没覆盖到的坑集中写成排查清单。先说清楚它的角色：OpenClaw 现在已经内置官方飞书插件 @openclaw/feishu，功能更完整、维护也更及时。，说明飞书 + AI 的接入已经走通。另外，仓库也推荐了一个新项目：把 OpenClaw 变成“多 Agent 团队”，用多个 Agent 分工，Sla

avatar 火山引擎 ADG 社区