AI 社区原本期盼 DeepSeek 发布重磅新品，却意外迎来了另一款令人瞩目的中国开源模型：

Qwen3 正式登场。

此次发布的旗舰型号为 Qwen3-235B-A22B。其中，235B 代表总参数量；而 A22B 指的是该模型采用了“专家混合”（Mixture of Experts，简称 MoE）架构，实际在每次查询中激活的参数量仅约为 220亿（22B）。

但最引人关注的是：

Qwen3 已能与一线模型如 DeepSeek R1、o3 Mini、Grok 3 和 Gemini 2.5 Pro 相媲美。

---

📌 性能实测：全面对标顶级大模型

根据官方博客提供的多项基准测试数据：

• 在 ArenaHard 测试中，Qwen3 已超越了 o3 Mini，且与 Gemini 2.5 Pro 非常接近。

• 在 AIME 24 和 25 测试中，其表现介于 Gemini 2.5 Pro 和 o3 Mini 之间。

• 在编程相关的 LiveCodeBench 和 CodeForces 测试中，甚至超过了 Gemini 2.5 Pro。

这一系列表现彰显了 Qwen3 的强大竞争力。

---

🌟 模型种类丰富，覆盖多种需求

此次发布除了旗舰的 MoE 模型外，还包含了从 32B 到 6B 参数量不等的 6 款稠密模型（Dense Models，非专家混合型），以满足不同算力需求的场景。

所有模型都将开源发布于：

• HuggingFace

• ModelScope

• Kaggle

---

🚀 令人期待的独特功能

Qwen3 一位开发者暗示，该模型具有一些“未在官方模型卡中详细说明的特殊功能”，未来将在科研及产品开发方面带来新可能。

已公开的关键功能包括：

• 可在**常规模式（Regular Mode）与深度思考模式（Extended Thinking Mode）**间自由切换；

• 提供高效的“思考预算”管理机制（Thinking Budget），即允许用户自由控制模型用于推理的 Token 数量，投入更多 Token 时效果显著提升；

• 支持多达 119 种语言，具备明显增强的代码生成与智能代理（Agentic）能力。

---

📚 庞大的训练数据集与创新的训练策略

Qwen3 采用的数据集规模空前，接近 Qwen2.5 所用 **18 万亿 Token（18T）**的两倍，达到约 35 万亿 Token（35T）。

在训练过程中，研究团队还创新性地利用自家模型迭代强化训练数据：

• 使用 Qwen2.5VL 模型从文档中提取文本内容；

• 再以 Qwen2.5 基础模型对上述文本内容进行提升优化；

• 同时借助 Qwen2.5 Math 与 Coder 模型生成高质量合成数据。

这种逐步迭代的训练方法，使模型在每个阶段都实现了性能的递进式提升。

此外，训练过程分为三个预训练阶段与四个后续训练阶段：

预训练阶段：

• 通用语言数据：约 30 万亿 Token；

• 知识密集型数据：额外 5 万亿 Token；

• 扩展上下文长度至 32K Token。

后续训练阶段：

• 长链思考训练（Long Chain-of-Thought）；

• 强化学习微调（Reinforcement Learning）；

• 思考模式融合（Thinking Mode Fusion）；

• 一般化强化学习。

对更轻量级模型，则采取了知识蒸馏（Distillation）的方式，从大模型向小模型传递能力，从而实现了在边缘设备与手机端的高效部署。

---

📖 完全开源，商业友好

Qwen3 全系列模型采用 Apache 2.0 协议 完全开源，允许开发者：

• 商业化应用；

• 创建衍生作品；

• 以合规署名方式自由销售基于 Qwen3 构建的产品。

开发团队表示：

“我们相信，AI 模型的开发正在从以训练模型为中心，转向以训练智能代理（Agent）为核心的新时代。”

---

🎯 市场竞争日益激烈

随着 Qwen3 的强势发布，以及 DeepSeek 可能即将公布的新模型，未来几周 AI 领域势必掀起新一轮的技术竞赛热潮。

AI 从业者与观察人士无不期待，这场竞争将如何推动技术边界持续扩展。

---

💬 观点与讨论

本次 Qwen3 的突然崛起，不仅标志着中国开源 AI 模型的又一里程碑，也意味着行业格局或将再次面临洗牌。

社区对此抱有怎样的看法和期待？欢迎大家展开进一步讨论。

最后：

React Hook 深入浅出

CSS技巧与案例详解

vue2与vue3技巧合集

VueUse源码解读