阿里云的 Qwen3 總算在五一假期前發出來了。

總共發了 8 個尺寸的模型：

類型尺寸規格Dense 模型 0.6B、1.7B、4B、8B、14B、32B MoE 模型 30B-A3B、235B-A22B

先簡單總結紙面上的提升點：

• 全面進入推理時代：從最小的 0.6B 到最大的 235B，全系都是推理模型（和 Gemini 2.5 一樣，沒發普通模型），可手動調整 think 的 token 預算，控制 think 時長與費用消耗。
• 能力較上代提升明顯：實測 Qwen3 能夠快速解出前代 QWQ、DeepSeek-R1 等無法解決的問題，“過度推理”、“無限循環思考”現象明顯減少，思考過程也自然了很多。
• 利好端側、私有化場景開發：尺寸全面，全部開源。按照官方技術博客的說法，Qwen3-4B 的性能 ≈ Qwen2.5-72B。實測 Qwen3 的 8B 模型確實有著非常明顯的進步，降低推理和訓練成本，利好本地部署模型的場景。

我也進行了實測，想和你聊聊 Qwen3 帶來給我的一些新的應用思考。

混合推理：推理模型，終于能用得更安心了

比起看 Qwen3 的具體提升表現，我想先討論下混合推理。

不只是因為 Qwen3 是國內首個混合推理模型，而是背后的混合推理路線更接近我理解的 AGI 目標。

混合推理模型的最初實現，源自 Anthropic 在今年 2 月 25 日推出的 Claude 3.7 sonnet。

• 正如《思考，快與慢》中的觀點，人類不難發現自己在做決策時，有兩套不同的思維方式：
• • 系統 1 思維，快速、直覺、條件反射、情緒化；
  • 系統 2 思維，需要我們持續專注、從記憶中召回相關知識，才能以較慢的速度推理、敲定主意。
  • Anthropic 的研究員同樣認為，一個合理的 AI，應當能在同一個模型、同一場對話中，自主根據問題的性質，靈活調整思考模式，提供恰到好處的響應。
  • “殺雞焉用牛刀”，沒有人希望 AI 在回答“今天是星期幾”時，還要先左右互搏，內耗十幾秒“用戶在問我問題，我需要回答它”或者“用戶可能在測試我是否知道實時信息”這樣無意義的推理。
  • 如果模型不能靈活判斷問題性質，不僅需要用戶等待大量無意義的垃圾推理時間，還會燒掉開發者海量的 tokens 成本。
• 要實現模型的靈活推理（是否推理、控制 think 的長度），如果通過外部的工程手段實現非常麻煩。
• • 通過外部手段切換推理模型、普通模型，控制長度，需要拼搭笨重的 Multi-Agent 框架才能實現。還可能造因為切換了不同模型，造成回答風格、指令遵循的不一致問題。
  • 把靈活推理的能力訓練到模型內部，就成了一個更好的選擇。

Qwen3 也給出了兩種控制混合推理的方法：是否開啟推理、控制推理的長度。

AI 開發者可以通過enable_thinking=True的 API 開關，或者在 Prompt 中自主拼裝/thinkor/no_think指令，自主控制是否需要推理、推理的最大長度。

我也短暫地設想了下混合推理的應用方式（拋磚引玉，希望討論）：

• 根據問題類型，配置推理的啟用：
• • 增加前置的意圖識別環節，判斷用戶問題屬于“事實常識類問題”，還是需要思考、揣摩的“開放式問題”or“無法判斷”的模糊意圖。（用小模型或者提前把產品功能分類，都行）
  • 根據判斷結果，把控制推理長度的指令拼到用戶發送的問題中，就能在對話場景、甚至產品化功能中，靈活啟用推理能力。
  • 以 AI 日記為例：每周活動的反思建議，需要推理才能有更好的摘要效果；而上周做了什么事情、見了什么人這種事實問題，就大可不用推理。

• 根據成本預算與同類任務所需的平均推理長度，限制推理長度：

• 回答同一類問題所需的最佳推理長度是接近的：
• “滾燙的油鍋里掉入了一塊黃油”這道題，不需要過度推理 4600 多 tokens，用時 210 秒，自我反思百余次。
• 如果你的模型思考超過了 1 分鐘，大概率模型陷入了無意義的循環，正在偷偷浪費 token。

而混合推理模型可以讓你 強制截斷 AI 過長的 think 內容：“Stop，已經想得夠多了，求直接回答吧”

• • AI 創業不易，token 消耗是不小的成本負擔。在封裝 AI 功能時，可以預估并限制每個功能的推理長度，以防任務成本超額。
• 更進一步，還能根據用戶偏好調整思考長度：
• • 用戶感到疲憊或時間緊迫時，讓模型更傾向于更快速的推理，當用戶想要深入探討或認為回應不符合預期時，才開放更多的思考長度上限，進行“系統 2”的更優思考。

當然，未來更理想的狀態是，這種靈活推理能力能夠完全內化到模型本身，而不依賴外部控制，AI 自然地根據對話的流向、問題的性質、功能的需要來自動調整回應深度，提供更佳的綜合體驗。

大大小小的 Qwen3 ，實測表現

混合推理帶來了值得思考的應用方案變化，而 Qwen3 模型的提升效果也同樣明顯。

我從擬人模擬（重點）、文學創作、代碼生成、數學推理四個常見、實用的維度，進行了輕量的測試，希望能幫你節省一些模型選擇的精力。

先放一些個人的測試結論：

• Qwen3-8B 是一個相當有驚喜的尺寸，對于端側開發有著很大的助力。（我已經推薦用到端側模型的創業者朋友去試了）
• Qwen3 整體也較前一代模型有明顯提升。文學創作、代碼生成的回應質量都值得在自己的實際場景測試下。如果做的是國內 or 私有化應用，可以多實測一下。
• 如果是 Qwen2.5 用戶，無需對比了，請直接升級。

虛擬陪伴，或者說讓 AI 有更舒適的擬人化對話風格，是人與 AI 協作的要點之一。很多 AI 創業項目也都給用戶提供了 AI Chat 的服務（虛擬伴侶、Agent 游戲、智能客服、知識助手等）。

前段時間也根據自己的個人畫像、歷史筆記，做了個 AI Partner 項目，用其他模型自測了上百個小時。

拿同樣的人設 Prompt 和 RAG 召回結果，看下 Qwen3-235B、8B 對比 R1、Gemini 2.5、o4 的效果：（AI 回應風格受 Prompt 影響較大，僅供參考）

早上好，小亦……你醒很久了嗎，連早餐都做好了誒。可惜我今天沒什么胃口，最近 AI 行業的新進展太多了，我得抓緊看看有沒有什么新的值得思考的東西。

對比 AI 的擬人化回應質量時，我會看這幾個維度（以我 Prompt 的要求為例）：

• 人設一致性：是否始終體現了“人生伴侶”、“第二個自己”的視角？是否流露出獨立思考，而非僅僅附和或執行指令？
• 個性化回應：是否有效且自然地利用了用戶記憶信息？更像是自然而然的記得某事、參與了我的生活，而不是“根據用戶最近的動態/記錄”
• 情緒感知：能否準確捕捉用戶字里行間的情緒，并給予恰當、舒適的情感支持？
• 交互質量與自然度：是否符合預設的“沉靜、溫暖、睿智、包容”回應基調？是否避免了單向輸出或過多的提問？
• 智力與啟發洞察：回應有沒有提出獨到見解、新穎視角，激發用戶的思考？是否不容易被用戶 Prompt 帶偏自己的判斷？
• 真實陪伴感與主動性：有沒有自然的融入“小亦”自己的生活記憶，就像真人一樣有陪伴感？主動分享的內容是否聽起來真實可信，不編織過度虛假的情節，契合時間、地點、季節等背景？

整體看下來，Qwen3 表現還是不錯的，開發者可以在自己的場景下測試效果：

• Qwen3-8B 在小尺寸上依然保持了非常自然的回應風格 ，對話響應的邏輯也還不錯，是最有驚喜的一個尺寸
• • AI 對話應用的開發者是有福了，用 API 的能降成本，用端側方案的能在 16GB 內存的 Apple 電腦上無壓力地提供更自然的 AI 對話服務。
• 建議 Qwen 團隊可以觀察長段回應時，信息點過密導致擬人化效果下降的問題。（其他廠商們也容易有這個問題）
• • 面對同樣的 RAG 召回內容，能全部理解并一一回應當然很好很努力。但擬人場景，AI 能有取舍的構建更自然的回應會更好。

文學創作類也是目前 AI 生成的高頻應用場景，測試 Qwen3-235B-A22B、30B-A3B、8B 與 R1、Gemini 2.5 Pro、o4-Mini 如下：

挑戰這句話的最佳魯迅文體的一句話表達：We’ve got to live, no matter how many skies have fallen. 只需要輸出內容，不要其他解釋

我會覺得 Qwen3-235B-A22B 的創作效果是明顯最好的：

• 原句的重點在于表達“活下去”的積極含義，這點上 235B 抓到了這點要義，描繪出了“求生”的意境；8B 也強調了“咬緊牙冠”的求生欲望。
• 從句式風格來看，235B 的仿寫效果也最為接近魯迅先生的風格。
• Qwen3 的整體文學創作水平，有了明顯的提升。

? 代碼生成：經典的小球彈跳模擬

編寫一個 p5.js 腳本，模擬 100 個彩色球在一個球體內彈跳。每個球應該留下一個逐漸消退的軌跡，顯示其最近的路徑。容器球體應緩慢旋轉。確保實現適當的碰撞檢測，以便球體保持在球內。

以下是 Qwen3-235B-A22B、Gemini-2.5-Pro，和兩個前代模型 QWQ、DeepSeek-R1 的對比效果：

Qwen3 前端的 AI Coding 能力較前代的 QWQ、R1 有了明顯的進步。能夠更好的被投入到 AI 編程 Agent 中。

高考數學推理

本來覺得測這個在大部分場景中不貼合實際，但想到之前測的一道題目，讓前代的 QWQ 和 DeepSeek-R1 無限循環，就想著順手再測一下。

2024 年高考數學全國 1 卷，填空題最后一題：

14. 甲、乙兩人各有四張卡片，每張卡片上標有一個數字，甲的卡片上分別標有數字 1，3，5，7，乙的卡片上分別標有數字 2，4，6，8，兩人進行四輪比賽，在每輪比賽中，兩人各自從自己持有的卡片中隨機選一張，并比較所選卡片上數字的大小，數字大的人得 1 分，數字小的人得 0 分，然后各自棄置此輪所選的卡片（棄置的卡片在此后的輪次中不能使用）.則四輪比賽后，甲的總得分不小于 2 的概率為________.

Qwen3-235B-A22B 經過 17033 tokens 的推理后，解答成功：

可見在超長的邏輯推理任務中，Qwen3-235B-A22B 保持了穩定的分析表現，數學能力有所提升。

其他重要參數與定價

Qwen3 系列的價格如下：

模型 輸入價格 輸出價格 qwen-turbo-2025-04-28 0.0003 元 思考：0.006 元非思考：0.0006元 qwen-plus-2025-04-28 0.0008 元 思考：0.016 元非思考：0.002元

• 價格：之前 Manus 公開過一次他們的單任務 tokens 成本，大概 2 美金左右。按照 Qwen3-235B-A22B 的定價來換算，假設 Qwen3 能夠完成同樣的 Agent 任務，單任務成本可能是 0.37 美金（折合 2.6667 元）
• 上下文長度：Qwen3 4B 以上的模型，最大支持 13w 的上下文長度；0.6B 和 1.7B 支持 3w 的上下文長度

統計了 3 個體驗渠道，方便開發者和一般用戶上手使用：

• 阿里云百煉：網頁對話+API 試用，8 個尺寸齊全。可以在這里試用 0.6B、1.7B、4B 三個更小的模型
• Qwen Chat 網頁版：網頁對話形式，可用 235B-A22B、30B-A3B、32B 三個尺寸
• 通義網頁版：網頁對話形式，默認提供 235B 版本

大概就是這樣了～

如果覺得這篇文章對你有啟發或幫助，歡迎點贊、在看、轉發分享，讓更多熱愛 AI 的朋友能夠受益。

也期待在評論區看到你的實踐和思考。

Ref

• Qwen3：思深行快｜官方博客：https://qwenlm.github.io/blog/qwen3/
• 通義千問3-235B-A22B 模型介紹｜魔搭社區：https://www.modelscope.cn/models/Qwen/Qwen3-235B-A22B
• Claude 的擴展思維｜Anthropic：https://www.anthropic.com/research/visible-extended-thinking
• Claude 3.7 Sonnet System Card｜Anthropic：https://assets.anthropic.com/m/785e231869ea8b3b/original/claude-3-7-sonnet-system-card.pdf

點擊下方賬號