《告别汪峰标签！阿里Qwen3强势登顶热搜，这一次它火得有道理》

Qwen3爆红背后：阿里大模型的崛起与突围之道

　　 做了这么多年AI领域的领航者，阿里Qwen3这次终于成功登上热搜。

　　 距离2.就在今晨，千问在短短7个月后再次推出全新开源全家桶，推出了六款Dense（稠密）模型以及两款MoE（混合专家）模型，这些模型能够支持119种语言和方言。

　　 相较于Qwen2.5的72B参数量，Qwen3系列的旗舰型号Qwen3-235B-A22B在参数规模上实现了跨越式提升，达到了惊人的235B。这一突破不仅彰显了技术迭代的速度，也标志着大模型能力边界正在被不断拓展。 从行业角度来看，如此大规模的参数量意味着该模型可能在复杂任务处理、多模态融合以及专业领域应用等方面展现出更强的能力。然而，随之而来的挑战也不容忽视，比如计算资源的需求激增、训练成本的攀升以及实际部署中的适配难题等。如何平衡技术创新与落地应用之间的关系，将是未来一段时间内各厂商需要深入思考的问题。 总体而言，Qwen3-235B-A22B的发布无疑为人工智能领域注入了一剂强心针，但如何让这项技术真正惠及更多用户和社会层面，则需要整个生态系统的共同努力。

　　  官方发布的测试结果显示，Qwen3在多个评估集上的表现与国内外主流大模型不相上下，尤其在代码编写和数学推理方面稍占优势。

　　 我们亲自体验了一下最新的旗舰模型Qwen3-235B-A22B。这款模型在性能和功能上都表现出色，尤其是在处理复杂任务时展现出强大的能力。通过实际操作，我们可以感受到它在响应速度和准确性上的显著提升，这无疑为用户带来了更加流畅和高效的使用体验。 从我的角度来看，Qwen3-235B-A22B的推出标志着人工智能技术的一个重要进步。它不仅提升了工作效率，还拓宽了应用场景的可能性。对于企业和个人用户来说，这样的技术创新意味着更多的机会和潜力。未来，随着这类技术的进一步发展和完善，我们有理由相信人工智能将在更多领域发挥其独特的作用，为社会带来更大的价值。

　　  总的来说，产品使用感受十分出色，同时在深度思考功能的设计方面也有一些独特的巧思。

　　 过去人们常抱怨大型语言模型一旦深入思考就会陷入无休止的推理过程，耗时过长，给出的回答过于冗长细致。但如果不进行这样的深度思考，又难免在回答质量上有所欠缺。 这种现象其实反映了当前技术的一个矛盾点。一方面，用户希望得到快速且简洁的答案，以节省时间和精力；另一方面，他们也希望获得全面而准确的信息，这往往需要更深层次的分析和考量。如何平衡这两者之间的关系，是未来模型优化的重要方向之一。在我看来，未来的改进或许可以集中在提升模型的判断力上，让它能够根据具体场景自动调整输出的详略程度，既满足高效需求，也能提供高质量的内容。同时，这也提醒我们，在使用这类工具时，应当结合自身实际需要灵活运用，而不是单纯依赖其默认设置。

　　  这回 Qwen3 把指挥棒交到用户手里，你让它想到啥程度都可以，大大提高了模型的灵活性。

　　 不过，在我们的测试过程中观察到，不同深度的思考确实会对模型的最终表现产生显著影响。简单的问题或许只需浅层分析就能得出答案，但面对复杂难题时，深入推敲则是不可或缺的过程。这让我联想到现实生活中的决策场景：无论是个人生活还是社会事务，很多时候快速判断能够提高效率，然而对于那些关乎长远利益的重大议题，深思熟虑显得尤为重要。 比如，在制定城市发展规划时，如果仅凭短期经济效益来决定项目优先级，可能会忽略生态环境保护等长期因素。同样地，新闻报道中也常遇到类似情况——一些突发事件需要迅速回应以满足公众知情权，但涉及深层次原因或复杂背景的事件，则需要记者和编辑投入更多时间去核实信息、梳理逻辑，从而提供更全面准确的观点。 总之，“快”与“慢”的平衡点在于把握好事情的本质需求。对于简单的事情可以适当加快节奏，而对于棘手问题则应给予足够耐心和空间，这样才能更好地服务于读者和社会大众。

　　  举个栗子，为了测试它的代码能力，我们想让 Qwen3 写个小游戏。

　　 给出的提示词非常简洁明了，要求它在网页上开发一个俄罗斯方块游戏。至于具体的游戏机制、用户交互以及视觉设计等细节，都不需要人类过多介入，让千问凭借自身能力自主完成所有相关工作。

　　 而当思考长度设置在 1024 token 的时候，千问像个刚开始学代码的清澈大学生。给出的程序存在少量 bug，根本玩不起来。

　　  但预算拉满之后，它成了熟练的老码农，只花几分钟就能搓出来一个完全体俄罗斯方块。

　　 接下来，原新闻内容： 近日，某市发布最新统计数据，显示今年一季度GDP同比增长8.2%，高于全国平均水平。专家分析认为，这一增长主要得益于制造业和服务业的强劲复苏。 修改后的内容： 近期，某市公布的数据显示，今年一季度GDP实现了8.2%的同比增长，超出全国平均增幅。从整体来看，这种积极的增长态势反映出经济运行正在稳步向好，而其中制造业与服务业的双重驱动作用尤为显著。 我的看法： 这一数据表明，当前经济结构优化调整已初见成效，尤其是在制造业和服务业领域，政策支持和技术升级带来的红利逐步显现。不过，我们也应注意到，尽管增速喜人，但未来仍需关注外部环境变化对内需可能产生的影响，同时进一步巩固经济增长的质量和可持续性。此外，在推动经济复苏的同时，还需注重区域协调发展，确保更多人群能够共享发展成果。

　　 “平时烧水很麻烦，为什么不一次性烧好多水然后冻起来，等需要的时候再拿出来呢？”

　　 好的，请提供需要修改的新闻内容，我会根据您的要求进行调整。

　　  《节省时间》、《节能》、《确实方便》，说得这么有理有据，我信了。

　　 深度思考之下，这个问题本身显得有些不合常理，让人忍不住对其逻辑提出质疑。我们常常在面对复杂议题时，需要冷静分析其内在逻辑是否站得住脚。在这个信息爆炸的时代，不是所有的问题都经得起推敲，也不是所有的观点都需要被无条件接受。我们需要培养独立思考的能力，敢于质疑那些看似合理却经不起深究的说法。只有这样，才能在纷繁复杂的舆论环境中保持清醒的头脑，做出理性的判断。

　　 前段时间，OpenAI 在 o3 的官方文档中就表示，它们发现模型的推理时间越长，效果越好。

　　  通过更长时间的深度思考，大模型的表现确实展现出明显的进步，这一点在Qwen3的一些案例中得到了验证。这表明随着训练时间和算法优化的提升，大模型的逻辑推理能力和问题解决效率正在显著增强。我认为，这种能力的提升不仅反映了技术的进步，也意味着人工智能在未来可能承担更加复杂和多元的任务。不过，尽管大模型在某些方面取得了突破，但如何确保其输出结果的准确性和可靠性依然是一个需要持续关注的问题。未来的发展还需要在技术与伦理之间找到平衡点，以更好地服务于社会需求。

　　 另外，原新闻内容： 近日，一项调查显示，中国有超过80%的网民每天使用短视频平台，人均日均使用时长达到120分钟以上。专家指出，短视频已成为人们获取信息的重要渠道之一，并对传统媒体形成了一定冲击。 修改后内容： 最新统计显示，我国超八成网民每日都会浏览短视频平台，人均日均使用时间已突破两小时。从目前趋势来看，短视频正快速成为大众了解世界的主要窗口之一，其影响力正在重塑传统传播格局。 个人看法： 短视频平台的兴起无疑为信息传播提供了全新路径，尤其在碎片化阅读盛行的当下，这种形式显然更符合现代人的生活习惯。然而，随之而来的信息质量参差不齐等问题也值得警惕。如何平衡娱乐性与严肃性，确保优质内容能够脱颖而出，或许是未来需要重点关注的方向。

　　 前一阵子 GPT-o3 的图片推理都让大家伙儿脊背一凉，这次大升级的 Qwen3 也会成为开盒神器吗？

　　  会的兄弟，会的。

　　 有的差友可能还记得，前不久我们做了一期 o3 开盒，它靠着民宿的招牌定位到了梦想小镇。

　　 这回 Qwen3 更离谱，下面这张照片里没有一个字，你知道它是用什么验证猜测的吗？

　　 没错，那座爱心雕塑位于照片的左侧，为了方便大家识别，我在上面加了一个红色的框标注出来。可能有些朋友还没注意到，建议大家可以再仔细看看。 这座爱心雕塑虽然看似普通，但却承载着城市文化和公共艺术的独特意义。它不仅美化了环境，更传递了爱与和谐的美好愿景。在快节奏的生活里，这样的艺术作品提醒我们关注情感交流和社会凝聚力。希望未来能有更多类似的创意设计出现在城市的各个角落，让公众生活更加丰富多彩。

　　  这回不能说人家靠照片内置信息作弊了，千问开盒和马斯克的智驾一样，纯视觉。

　　 Qwen3不仅在传统领域表现出色，还紧跟潮流，加入了MCP的热潮。尽管目前相关功能仍在测试阶段且未对外开放，但官方已经分享了两个令人瞩目的案例。 这表明Qwen3正在努力拓展自身的技术边界，力求在更多前沿领域占据一席之地。这种积极进取的态度值得肯定，尤其是在人工智能竞争日益激烈的今天，持续创新才能保持竞争力。不过，我也注意到，尽管展示的案例令人期待，但实际应用效果还需等待开放后的进一步验证。希望未来正式上线时，能够带来更加成熟和稳定的表现，为用户创造更大的价值。

　　 近期观察到一个有趣的现象：千问大模型能够主动访问GitHub上的开源项目页面，通过分析网页信息自动统计每个项目的Star数量，并以柱状图的形式直观展示结果。这种能力不仅展示了AI技术在自动化处理任务方面的强大潜力，也让我们重新思考开发者社区的活力与趋势。 从技术角度来看，这一功能无疑为开发者提供了一种全新的视角来了解开源生态的热度分布。比如，某些领域可能因为其创新性或实用性而吸引了大量关注，而另一些则可能由于缺乏持续维护而逐渐被边缘化。这种基于数据的洞察有助于个人或团队更好地规划资源投入方向。 然而，值得注意的是，尽管Star数量可以在一定程度上反映项目的受欢迎程度，但它并不能全面衡量项目的实际价值和技术水平。有些低调但极具深度的项目可能并未获得足够的曝光度，这提醒我们，在评判一个项目时仍需结合更多维度进行综合考量。 总体而言，随着这类工具的发展和完善，未来我们将看到更多关于开源世界的动态解析，这对整个技术社区来说无疑是一件好事。不过，如何平衡算法推荐与人工判断之间的关系，避免陷入“唯指标论”的误区，将是值得进一步探讨的话题。

　　 让它分类归纳乱乱的桌面文件也是小菜一碟。

　　 先帮你把文件夹创建好，然后一秒合并同类项，纵享丝滑。

　　  我只想说：这些功能预计何时推出？自动采集数据并生成图表的功能真的存在，这让喜欢摸鱼的上班族们十分心动！

　　 测试看完了，有部分网友或许对Qwen3的技术细节还有一些疑问：它和以往的大模型相比，究竟有哪些不同之处？

　　  简单来说，之前的大模型，推理和快速回答都是分开的。比如 DeepSeek-R1 和 GPT-o3 属于推理模型，而 DeepSeek-V3 和 GPT-4o 负责快速响应。

　　 现在的 Qwen3-235B-A22B，则是一个“ 混合推理模型 ”，相当于 R1+V3，o3+4o。

　　 虽然表面上看只是给模型增加了新功能，但实际上要打造一个像Qwen3这样能够实现多种能力融合的二合一模型并不容易。在开发过程中，团队需要对原有架构进行深度优化，并通过大量高质量数据反复迭代训练，确保各部分功能既能独立运作又可以无缝协作。 从我的角度来看，这种技术突破不仅体现了人工智能领域持续进步的趋势，也反映了科研人员对于复杂系统设计与实现能力的不断提升。未来随着更多类似项目的推进，我们有理由相信，在不远的将来，这类兼具多种强大特性的智能体将会为各行各业带来革命性变化。

　　  官方在文档中提出的后训练四步走策略，为相关工作的推进提供了明确的方向。这一方案不仅系统性地梳理了实践中的关键环节，还进一步细化了操作步骤，为后续工作的高效开展奠定了坚实基础。 从我个人角度来看，这套方法论具有很强的现实指导意义。尤其是在当前复杂多变的社会环境中，如何确保各项工作能够快速响应并精准落地，是每个机构都需要认真思考的问题。后训练四步走强调的是逻辑清晰、步骤分明的工作方式，这不仅能提高工作效率，还能有效减少因流程混乱导致的资源浪费。此外，它还体现了注重细节与实际效果相结合的理念，这对于任何领域的长期发展都至关重要。 总体而言，我认为官方此次发布的指南不仅是一份技术性的操作手册，更是一种管理思维的体现。它提醒我们，在面对挑战时，理性和科学的态度比盲目行动更为重要。希望未来能有更多类似的优秀经验总结，为社会各行业注入新的活力。

　　 谜底就在 post-training 第三阶段，Qwen3 把长思维链的数据和普通的常用指令放在一起对模型进行了微调。

　　 这样就可以把快速回答模式整合到深度思考模型中，确保推理和快速响应能力的无缝结合。

　　 Qwen3 post-training 四阶段

　　  目前，国外有一款闭源的混合大模型叫做Claude3.7Sonnet，而国内目前只有通义千问这一家，而且开发团队非常大方地将其开源了！

　　 说到这里，有的朋友或许已经迫不及待地准备行动了。 在这个充满活力的时刻，越来越多的人开始展现出对未来的憧憬与热情。这种积极向上的态度无疑为社会注入了一股强大的正能量。无论是投身于个人梦想的追逐，还是积极参与社会建设，每个人的努力都值得被肯定和鼓励。希望在接下来的日子里，大家能够继续保持这份激情，共同创造更加美好的明天。同时，我也期待看到更多人加入到这场充满希望的征程中来，携手共进，让我们的生活变得更加精彩纷呈。

　　 但这 235B 的参数量是不是看起来有点。。。

　　  别慌，MoE模型的一大优势在于解决问题时并非所有参数都需要参与，大多数情况下只有部分模块被激活，因此实际使用的参数量通常较小，仅约22B。而在这些任务中，真正发挥性能的关键也主要依赖这22B参数。

　　 也就是说，速度更快，成本更低的好消息传来，官方透露，部署Qwen3-235B-A22B所需的费用仅为DeepSeek-R的约135%。这意味着技术的进步不仅提升了运行效率，还大幅优化了经济性，为更多企业和开发者提供了性价比更高的选择。在当前技术竞争激烈的环境下，这样的成本优势无疑将进一步推动相关领域的创新与发展。同时，这也反映出大模型研发正朝着更高效、更经济的方向迈进，未来或将带来更多的应用场景和商业价值。

　　 而 Qwen3 刚一上线也是备受关注，迅速攀升 Hugging Face 热搜榜。

　　 这回千问团队同样提供了不同规模的蒸馏模型，一共 8 款任君挑选，最小的 0.6B 模型在移动端都能跑，总有一个符合你的需求。

　　  我们也把 0.6B 的版本的 Qwen3，迅速部署到了手机上，试用了一下，效果还挺乐的：

　　 虽然这已经是规模最小的模型了，但也不能期望太高，好在它还算有趣。

　　 总的来说，这次Qwen3的更新无疑为大模型的开源领域注入了强劲的动力，带来了许多令人瞩目的新特性。从技术层面来看，这一版本不仅在性能上实现了显著提升，还进一步丰富了应用场景，这无疑会推动整个行业向前迈进一大步。 我个人认为，Qwen3的发布标志着国产大模型正在逐步缩小与国际领先水平之间的差距，并且在某些方面甚至展现出了独特的优势。尤其是在开源生态建设方面，这种持续的努力不仅有助于促进技术创新，也为开发者提供了更多便利和支持。未来，随着更多企业和研究机构加入到这个开放共享的平台中来，我相信我们能够看到更加繁荣多彩的应用场景诞生。总之，这是一个值得肯定并且充满希望的进步！

　　  Qwen在大模型开源领域的地位愈发稳固。根据阿里云的官方表述，经过长时间的发展，千问系列的衍生模型已超过10万个，全球累计下载量突破3亿次，这一成绩甚至让此前长期占据领先地位的Llama系列望尘莫及。 从当前的趋势来看，Qwen不仅在技术实力上展现出强大的竞争力，其广泛的用户基础和活跃的应用场景也为它赢得了更多的关注和支持。这种迅猛的增长态势表明，开源项目的核心在于社区的协作与生态的构建，而Qwen显然在这方面取得了显著成效。未来，随着更多开发者加入其中，相信Qwen能够继续引领潮流，为人工智能领域贡献更多创新成果。同时，这也提醒我们，持续的技术迭代与开放合作是保持竞争优势的关键所在。

　　 甚至在某种程度上，AI 圈处处都有千问的影子。

　　 比如，千问AI每次发布新产品时，似乎总免不了被更强的对手抢去风头，这或许就是它被戏称为“AI圈汪峰”的原因吧。这种现象其实反映了当下人工智能领域的竞争之激烈。无论是技术突破还是市场布局，各大厂商都在全力以赴，而千问AI虽然表现不俗，但面对行业巨头的新品攻势，难免显得有些低调。这也提醒我们，即便在技术快速迭代的时代，保持创新和敏锐的市场嗅觉依然是制胜的关键。未来，千问AI若能抓住机遇，在细分领域深耕细作，或许就能摆脱“陪跑者”的标签，成为真正的领航者之一。

　　 Qwen2.5-Max 撞了 DeepSeek-R1， 3 月 QwQ-32B 又撞 Manus。

　　  但其实，DeepSeek-R1论文中的蒸馏模型示例，是基于千问和Llama进行训练完成的；Manus的创始人也曾公开提到，他们的产品同样是在千问的基础之上经过微调优化而开发的。

　　 所以，尽管这个热搜来得有些晚，但通义千问在国产大模型的成长道路上始终扮演着重要角色。从最初的探索到如今的广泛应用，它不仅展现了强大的技术实力，也为我们提供了更多关于人工智能发展的思考。 通义千问作为阿里巴巴旗下的人工智能语言模型，自问世以来便备受关注。它不仅仅是一款工具，更像是一扇窗，让我们得以窥见未来科技发展的无限可能。无论是处理日常事务还是解决复杂问题，通义千问都表现出了极高的效率与精准度。这背后离不开研发团队夜以继日的努力以及对技术创新不懈追求的精神。 在我看来，通义千问的成功不仅是技术上的突破，更是中国在人工智能领域崛起的一个缩影。随着全球范围内AI技术竞争日益激烈，我们有理由相信，在不久将来，会有越来越多像通义千问这样优秀的产品涌现出来，为中国乃至全世界带来更多惊喜。同时我也希望相关企业和机构能够继续加大研发投入力度，推动整个行业向着更加健康有序的方向发展。毕竟只有不断创新才能让人类社会享受到科技进步带来的福祉。

　　 最后，求求 DeepSeek 再加个速吧，R2已经等不及辣！