全面超越，灵活适配，重新定义开源大模型天花板。

---

近日，Qwen团队正式开源了全新一代混合推理大模型 —— Qwen3 系列。 无论是性能、效率，还是多场景适配能力，Qwen3 都展现出令人惊艳的进步，成为开源圈当之无愧的焦点。

今天，我们带你快速梳理：

• Qwen3 的性能亮点

• 新特性「思考模式」详解

• 如何快速上手体验

---

一、性能卓越，小而强大

作为Qwen系列的新一代混合推理模型，Qwen3在多个权威评测中取得了极具竞争力的成绩：

📈 GPQA、AIME24/25、LiveCodeBench —— 多项榜单表现亮眼 🧠 逻辑推理、代码生成、数学计算 —— 全面跃升

在相同计算资源下，Qwen3用更小的规模，超越了上一代更大体量的Dense模型，真正做到了：

“小而强大”。

这背后，离不开Qwen3核心的创新技术：

• MOE混合专家架构：在保证模型效果媲美超大模型的同时，大幅提升推理效率；

• 超大预训练数据：使用了高达36万亿tokens规模的数据；

• 多轮强化学习与精细优化：全面加强推理、指令遵循、工具调用与多语言能力。

其中，旗舰版本 Qwen3-235B-A22B，刷新了开源模型智能水平新高，同时显存占用仅为性能相近模型的三分之一。

无论是数学推理、代码生成，还是复杂逻辑分析，Qwen3均展现出卓越实力，稳居全球开源模型第一梯队。

八大模型一览：

混合专家模型特点：

Qwen3-235B-A22B是第三代Qwen系列中的旗舰语言模型。它采用了动态思维预算机制，能够实现自适应的性能扩展和成本效率。在思考模式下，它在复杂推理、指令跟随、数学、编码、角色扮演、创意写作等方面表现出色。而在非思考模式下，它能以最小的延迟和令牌成本高效处理常见任务。

最大上下文长度: 131,072 tokens

最大摘要生成长度: 8,192 tokens

最大思考生成长度: 38,912 tokens

模态: 文本

Qwen3-30B-A3B是第三代Qwen系列中紧凑且高性能的混合专家（MoE）模型。它引入了动态思维预算机制，能够实现自适应的性能扩展和成本效益。该模型可胜任常见的语言任务，如摘要生成、翻译、改写、阅读理解等。

最大上下文长度: 131,072 tokens

最大摘要生成长度: 8,192 tokens

最大思考生成长度: 38,912 tokens

模态: 文本

---

二、思考与非思考模式，自由切换

Qwen3另一个极具创新意义的功能，是引入了：

思考模式（Thinking Mode）

根据不同任务的复杂度，Qwen3可以智能切换「思考」与「非思考」两种状态：

思考模式（enable_thinking=True）

• 在生成回复前进行多步推理与深度逻辑分析

• 输出包含 <think>...</think> 的详细思考过程

• 适合数学题、代码编写、复杂推理等场景

非思考模式（enable_thinking=False）

• 追求响应速度，快速给出答案

• 跳过多步推理，适用于日常对话、简易问答

• 响应更快，体验更流畅

动态软开关支持：

你可以通过指令灵活控制模型思考行为：

• /think 开启深度推理

• /no_think 关闭深度推理

👉 下面是一个简单的交互示例（代码片段）：

# 初始化模型 chatbot = QwenChatbot() # 默认开启思考模式 user_input = "How many r's in strawberries?" response = chatbot.generate_response(user_input) # 禁用思考模式 user_input = "Then, how many r's in blueberries? /no_think" response = chatbot.generate_response(user_input) # 重新启用思考模式 user_input = "Really? /think" response = chatbot.generate_response(user_input)

---

三、多种框架轻松上手

无论是 Hugging Face transformers、ModelScope，还是本地推理部署，Qwen3 都已经适配，且极易使用。

Hugging Face 示例

from transformers import AutoModelForCausalLM, AutoTokenizer model_name = "Qwen/Qwen3-30B-A3B" tokenizer = AutoTokenizer.from_pretrained(model_name) model = AutoModelForCausalLM.from_pretrained(model_name, device_map="auto") # 准备输入，启用思考模式 prompt = "Give me a short introduction to large language model." messages = [{"role": "user", "content": prompt}] text = tokenizer.apply_chat_template(messages, tokenize=False, enable_thinking=True) # 推理 inputs = tokenizer([text], return_tensors="pt").to(model.device) outputs = model.generate(**inputs)

快速部署到API服务器

• 使用 SGLang >= 0.4.6.post1

• 使用 vLLM >= 0.8.4

一行命令，即可快速开启兼容OpenAI API的推理服务。

示例：

python -m sglang.launch_server --model-path Qwen/Qwen3-30B-A3B --reasoning-parser qwen3

---

四、Agent示例：多工具智能体应用

Qwen3不仅是聊天，更是强大的Agent平台。

你可以使用 Qwen-Agent 模块，轻松调用外部工具，如网页抓取、代码解释、时间查询等，实现复杂任务自动化。

示例代码（部分）

from qwen_agent.agents import Assistant bot = Assistant( llm={'model': 'Qwen3-30B-A3B', 'model_server': 'http://localhost:8000/v1'}, function_list=['code_interpreter', 'time'] ) messages = [{'role': 'user', 'content': 'Introduce Qwen3'}] for response in bot.run(messages=messages):print(response)

---

五、快速体验Qwen3

✅ Huggingface Qwen3-235B-A22B ✅ 魔搭社区 ModelScope ✅ Qwen Chat官网体验 ✅ 阿里云百炼（即将上线，提供100万tokens免费体验）

有两个站点可以体验，一个侧重提供稳定版服务，一个侧重最新版模型体验

---

官网主站体验：https://www.tongyi.com/qianwen/

指令中心：提供多个指令模版，快速使用

案例1：MBTI性格测试智能体-智能体模式

生成黏土世界风格卡片

案例2：答案之书制作——使用代码模式

案例3：赛博木鱼制作——使用代码模式

案例4：ppt制作——使用ppt模式