Qwen3 系列模型详解
核心结论： Qwen3 通过混合专家（MoE）与稠密（Dense）架构并行、思维模式切换与超长上下文（128K）支持的创新设计，实现了在编程、数学推理、多语言与 Agent 集成等场景下的顶级开源性能；但仍面临高资源需求、综合安全管控与领域知识深度等挑战。 一、模型概览 Qwen3 系列涵盖 0.6B 至 235B 参数的八个规模模型，分为稠密与 MoE 两类： 稠密模型：0.6B、1.7B、4B、8B、14B、32B，均支持 32K（小型）或 128K（大中型）上下文； MoE 模型：30B-A3B（3B 激活）、235B-A22B（22B 激活），皆支持 128K 上下文。 全部模型采用 Apache-2.0 许可，支持本地与云端部署，以及思维模式（Thinking）与非思维模式切换。1 二、关键性能指标 1. 编程与工具集成 Codeforces Elo：Qwen3-235B 达2785，领先多款开源模型；Qwen3-30B 达2550，优于多数同量级模型。1 LiveCodeBench v5 Pass@1：Qwen3-235B 70.2%，Qwen3-30B 61.8%，结合思维模式显著提升高阶编码能力。1 函数调用与 Agent 集成：原生支持 MPC（Model Context Protocol）与丰富函数调用，可构建复杂自动化 Agent 系统。2 2. 数学与逻辑推理 AIME Pass@1：Qwen3-235B 65.3%，落后于 DeepSeek-R1 与 o4-mini，但显著超越多数稠密模型； MATH 4-shot：Qwen3-27B（稠密）50.0%，Qwen3-235B-A22B 68.7%； GPQA Diamond：Qwen3-235B 78.4%，与顶级闭源相近。1 3. 多语言与通用能力 MMLU：Qwen3-235B 88.4%，Qwen3-32B 85.2%，在通用知识方面表现优异 多语言支持：在中文、英文、日文、韩文等多种语言上都有良好表现 长上下文理解：128K上下文窗口支持复杂文档分析 三、技术架构特点 混合专家（MoE）架构 参数效率： 235B总参数，仅激活22B参数 30B总参数，仅激活3B参数 实现大模型能力与推理效率的平衡 ...