共计 1722 个字符，预计需要花费 5 分钟才能阅读完成。
根据介绍，旗舰型号Qwen3-235B-A22B在代码、数学及通用能力等基准测试中，展现了与顶尖模型DeepSeek-R1、o1、o3-mini、Grok-3及Gemini-2.5-Pro等相媲美的表现。此外，小型MoE模型Qwen3-30B-A3B的激活参数数量仅为QwQ-32B的10%，其性能更为出色，即使是像Qwen3-4B这样的较小模型，也能与Qwen2.5-72B-Instruct相抗衡。
虽然Qwen3未能超越目前最强的闭源模型，但开源SOTA的最大优势在于其便于本地化部署，换句话说，它非常适合企业级的大模型应用。
在当前大模型开发的环境下，如果数据可以跨境，或者目标是出海业务，可以选择Gemini、GPT、Claude等知名产品。然而，若是专注于国内市场，模型就需要进行备案。如果可以使用API，选择的范围还算广泛；但若对数据安全有较高要求，必须进行本地化部署的选择就仅限于DeepSeek、Qwen和GLM。
之所以认为Qwen适合本地化部署，主要体现在两个方面。
首先是尺寸齐全。尽管DeepSeek表现出色，但其只有671B这一选项，其他几个蒸馏模型则依赖于Qwen和Llama作为基础。DeepSeek的一体机价格动辄200万，并且只能部署V3/R1中的一个模型，实话说，这对于普通企业而言并不容易承受。更别提微调了，相较于推理，其所需的算力更为庞大。
因此，Qwen在高校研究生和第三方开发者中获得了良好的口碑，因为它提供了中小尺寸的模型，让更多的人能够实践模型的部署和微调。
其次是对话与思考的结合。自去年9月o1发布以来，深度思考模式已成为大模型的标配，R1的成功也在于此。然而，之前的对话模型与深度思考模型是分开的，OpenAI目前的GPT系列和o系列也未合并。
此次Qwen3将思考和非思考功能整合在一起，全系列模型均支持思考模式，使用者可以灵活控制思考的开关。
- 通过推理/非推理模型启动，只需在启动时调整 –enable-reasoning –reasoning-parser两个参数；
- 在推理模式下启动后，可以通过请求参数中的enable_thinking=True|False来控制模型是否进行推理；
- 即使在enable_thinking=True的情况下，也可以通过用户提示或系统消息中的/think和/no_think来切换思考模式。
效果示例如下（0.6b模型）：
如果希望在个人电脑上进行本地部署测试，可以直接使用ollama进行安装，默认选项为8B模型，如果显存达到24G，可以尝试30B的MoE或32B模型（Q4_K_M），这可能是目前消费级显卡上能够体验到的最强模型。
ollama run qwen3:30b今年对于AI开发者而言依旧是利好的年份，Qwen3的性能和成本效益都十分突出。如今，开发AI应用变得相对简单，只需掌握一定的AI基础知识，了解大模型的技术原理及AI的能力界限，即可开发出属于自己的AI应用。
对于具备一定编程基础的开发者来说，这并不算困难，而且是一个不错的机会。如果你希望转向大模型开发但缺乏相关基础知识，我推荐参加知乎知学堂的「大模型全栈开发课程」，由行业专家系统讲解大模型应用开发的基础知识，帮助大家快速掌握大模型的技术架构和业务落地场景。目前为期两天的直播课程限时免费，点击下面的卡片即可领取↓↓↓
如果可以使用在线API，目前至少有三个平台可供选择：阿里云百炼、SiliconFlow和OpenRouter。
在阿里云百炼上，Qwen3的每款模型均提供100万tokens的免费体验额度：
SiliconFlow上当前有四款模型可供使用，其中235B似乎尚未调试完成：
OpenRouter上则提供Qwen3 235B，每天也有免费的调用次数：
