阿里開源千問3模型 成本僅需DeepSeek-R1三分之一

21世紀經濟報道記者 陶力 上海報道

4月29日凌晨，阿里巴巴開源新一代通義千問模型Qwen3（簡稱千問3），參數量僅爲DeepSeek-R1的1/3，成本大幅下降，性能全面超越R1、OpenAI-o1等全球頂尖模型。

千問3是國內首個“混合推理模型”，“快思考”與“慢思考”集成進同一個模型，對簡單需求可低算力“秒回”答案，對複雜問題可多步驟“深度思考”，大大節省算力消耗。

據瞭解，千問3採用混合專家（MoE）架構，總參數量235B，激活僅需22B。千問3預訓練數據量達36T ，並在後訓練階段多輪強化學習，將非思考模式無縫整合到思考模型中。

千問3在推理、指令遵循、工具調用、多語言能力等方面均大幅增強，即創下所有國產模型及全球開源模型的性能新高：在奧數水平的AIME25測評中，千問3斬獲81.5分，刷新開源紀錄；在考察代碼能力的LiveCodeBench評測中，千問3突破70分大關，表現甚至超過Grok3；在評估模型人類偏好對齊的ArenaHard測評中，千問3以95.6分超越OpenAI-o1及DeepSeek-R1。性能大幅提升的同時，千問3的部署成本還大幅下降，僅需4張H20即可部署千問3滿血版，顯存佔用僅爲性能相近模型的三分之一。

（千問3性能圖)

此外，千問3還提供了豐富的模型版本，包含2款30B、235B的MoE模型，以及0.6B、1.7B、4B、8B、14B、32B等6款密集模型，每款模型均斬獲同尺寸開源模型SOTA（最佳性能）：千問3的30B參數MoE模型實現了10倍以上的模型性能槓桿提升，僅激活3B就能媲美上代Qwen2.5-32B模型性能；千問3的稠密模型性能繼續突破，一半的參數量可實現同樣的高性能，如32B版本的千問3模型可跨級超越Qwen2.5-72B性能。

同時，所有千問3模型都是混合推理模型，API可按需設置“思考預算”（即預期最大深度思考的tokens數量），進行不同程度的思考，靈活滿足AI應用和不同場景對性能和成本的多樣需求。

比如，4B模型是手機端的絕佳尺寸；8B可在電腦和汽車端側絲滑部署應用；32B最受企業大規模部署歡迎，有條件的開發者也可輕鬆上手。

千問3爲即將到來的智能體Agent和大模型應用爆發提供了更好的支持。

在評估模型Agent能力的BFCL評測中，千問3創下70.8的新高，超越Gemini2.5-Pro、OpenAI-o1等頂尖模型，將大幅降低Agent調用工具的門檻。

同時，千問3原生支持MCP協議，並具備強大的工具調用（function calling）能力，結合封裝了工具調用模板和工具調用解析器的Qwen-Agent 框架，將大大降低編碼複雜性，實現高效的手機及電腦Agent操作等任務。

據瞭解，千問3系列模型依舊採用寬鬆的Apache2.0協議開源，並首次支持119多種語言，全球開發者、研究機構和企業均可免費在魔搭社區、HuggingFace等平臺下載模型並商用，也可以通過阿里雲百鍊調用千問3的API服務。

個人用戶可立即通過通義APP直接體驗千問3，夸克也即將全線接入千問3。

據悉，阿里通義已開源200餘個模型，全球下載量超3億次，千問衍生模型數超10萬個，已超越美國Llama。