Qwen3技术报告公开！235B模型性能居开源模型榜首

智东西编译 金碧辉编辑 程茜

智东西5月14日消息，昨日，阿里巴巴正式发布Qwen3系列大模型技术报告，首次全面公开其新一代开源模型的混合推理架构、训练策略及评测结果。报告显示，旗舰模型Qwen3-235B-A22B在数学（AIME25得分81.5）、代码生成（LiveCodeBench 70.7）等核心评测中超越DeepSeek-R1（671B参数）、Grok-3等国际顶尖模型，并在多语言支持（119种语言）、推理效率（4张H20显卡部署旗舰模型）及任务适应性（动态切换快/慢思考模式）上实现突破。

▲图源阿里巴Qwen3系列大模型技术报告

4月29日，阿里巴巴正式发布新一代通义千问大模型Qwen3，包含6款稠密模型和2款MoE模型，参数规模覆盖0.6B至235B。其旗舰模型Qwen3-235B-A22B以22B激活参数实现235B总参数量，在编程、数学推理等基准测试中超越DeepSeek-R1等全球顶尖模型。

▲Qwen3-235B-A22B-Base与其他具有代表性的强大开源基准模型的比较

Qwen3系列的旗舰模型Qwen3-235B-A22B于今年5月6日登顶国际权威大模型测评榜LiveBench开源大模型性能的榜首。

▲图源5月6日LiveBench榜单官网截图

技术报告地址：https://github.com/QwenLM/Qwen3/blob/main/Qwen3_Technical_Report.pdf

一、双系统推理架构，日常对话响应速度提升60%，算力消耗降低40%

Qwen3系列模型核心创新为双系统推理架构。面对数学证明、代码生成等复杂任务，Qwen3系列模型启动“慢思考”深度推理模块，Qwen3系列模型支持38K token动态思考预算，进行多步骤逻辑链分析；日常对话场景下，Qwen3系列模型以“快思考”模式激活20%参数，响应速度提升60%，算力消耗降低40%。

▲Qwen3-235B-A22B在思考预算方面的性能

Qwen3系列模型的后训练流程围绕两大核心目标设计：其一为“思考控制”，通过集成“非思考”与“思考”两种模式，用户可灵活选择模型是否进行推理，并能通过指定token预算控制思考深度；其二是“慢思考”，旨在简化和优化轻量级模型的后训练过程，Qwen3系列模型借助大规模模型的知识，大幅降低构建小规模模型所需的计算成本与开发工作量。

▲Qwen3系列模型的后训练流程

此外，Qwen3系列模型还集成视觉（Qwen3-VL）、音频（Qwen3-Audio）模块，可实现医学影像分析等跨模态任务。

二、Qwen3-235B-A22B在数学、代码评测中超越DeepSeek-R1、Grok-3-Beta

旗舰模型Qwen3-235B-A22B在多项评测中成绩优异。Qwen3-235B-A22B数学推理的AIME25奥数测评中获81.5分，刷新开源模型纪录，远超DeepSeek-R1等顶尖模型。

▲AIME25在数学推理方面的奥数测评成绩

旗舰模型Qwen3-235B-A22B在代码生成的LiveCodeBench评测中得分超70分，超越Grok-3-Beta和DeepSeek-R1等主流模型，Qwen3-235B-A22B的代码细节完善且推理耗时更短；多轮对话中Qwen3-235B-A22B能精准识别并完成复杂指令，如扮演职业金融分析师并以特定风格分析问题，给出适配回答。

▲AIME25在代码生成方面的测评成绩

三、4张卡跑235B模型，Qwen3系列模型多项数据碾压

Qwen3系列模型训练数据量飙升至36万亿token，覆盖119种语言，数据构成丰富多元，其中包含合成数据以及从PDF文档经OCR提取的内容。Qwen3系列模型训练流程采用四阶段后训练模式。

先是长思维链冷启动，Qwen3系列模型借助多样的长思维链数据对模型微调，为其处理复杂任务，如数学、编程、逻辑推理等奠定基础；接着Qwen3系列模型开展强化学习优化，运用基于规则的奖励机制，大力提升模型在面对复杂任务时探索并寻求最佳答案的推理能力；随后Qwen3系列模型进行思维模式融合，让模型能依据任务特性，在“思考模式”与“非思考模式”间自如切换；最后Qwen3系列模型通过对20多个常见任务实施强化学习微调，完成通用任务校准，全面提升模型的推理与指令遵循水平。

在硬件与效率优化层面，MoE模型采用动态激活专家策略，默认配置下专家池规模可达128个，每处理一个token会激活8个专家，搭配负载均衡算法，保障了训练稳定性。在硬件协同上，MoE模型仅需4张H20加速卡，便能实现235B旗舰模型的部署。

Qwen3系列模型在参数效率、推理成本、多语言支持及AI Agent开发等多个维度展现出显著优势。

参数效率上，30B MoE模型激活参数仅3B，性能却超越上代32B Dense模型；推理成本方面，以15B-A2B模型为例，在英伟达A100显卡上，30B MoE模型单次推理耗时较同等性能14B稠密模型降低42%，30B MoE模型显存占用从28GB降至18GB，吞吐量提升至1.2倍，实现消费级显卡部署高性能模型的效果。

多语言支持上，Qwen3系列模型覆盖全球90%以上人口的119种语言和方言；AI Agent开发上，Qwen3系列模型原生支持MCP协议，集成Qwen-Agent框架，Qwen3系列模型的工具调用能力在BFCL评测中以70.8分超越OpenAI-o1。

结语；Qwen3系列模型正在缩小与顶尖闭源产品的差距

Qwen3系列模型通过混合推理架构与高效训练策略，在性能、成本、多语言支持等维度树立开源模型新标杆。其动态资源分配机制（如思考预算控制）为企业节省75%算力成本，而119种语言覆盖能力为全球化业务提供底层支持。

Qwen3系列模型在多项评测中表现突出，其混合推理架构与高效训练策略展现强劲实力。尽管在实际场景应用中，如代码生成与创意写作领域，仍需进一步验证效果，Qwen3系列模型与顶尖闭源产品的差距正逐步缩小。