摘要：阿里云发布了新一代 Qwen3 模型，共推出 8 个不同尺寸版本，在推理能力、性能表现等方面均有显著提升，支持多种应用场景。本文作者通过实测，从不同维度对 Qwen3 进行了详细测评，探讨其相较前代模型的优势与进步，以及是否值得升级使用。
阿里云发布了新一代 Qwen3 模型，共推出 8 个不同尺寸版本，在推理能力、性能表现等方面均有显著提升，支持多种应用场景。本文作者通过实测，从不同维度对 Qwen3 进行了详细测评，探讨其相较前代模型的优势与进步，以及是否值得升级使用。
阿里云的 Qwen3 总算在五一假期前发出来了。
总共发了 8 个尺寸的模型：
先简单总结纸面上的提升点：
我也进行了实测，想和你聊聊 Qwen3 带来给我的一些新的应用思考。
混合推理：推理模型，终于能用得更安心了比起看 Qwen3 的具体提升表现，我想先讨论下混合推理。
不只是因为 Qwen3 是国内首个混合推理模型，而是背后的混合推理路线更接近我理解的 AGI 目标。
混合推理模型的最初实现，源自 Anthropic 在今年 2 月 25 日推出的 Claude 3.7 sonnet。
正如《思考，快与慢》中的观点，人类不难发现自己在做决策时，有两套不同的思维方式：
系统 1 思维，快速、直觉、条件反射、情绪化；系统 2 思维，需要我们持续专注、从记忆中召回相关知识，才能以较慢的速度推理、敲定主意。Anthropic 的研究员同样认为，一个合理的 AI，应当能在同一个模型、同一场对话中，自主根据问题的性质，灵活调整思考模式，提供恰到好处的响应。“杀鸡焉用牛刀”，没有人希望 AI 在回答“今天是星期几”时，还要先左右互搏，内耗十几秒“用户在问我问题，我需要回答它”或者“用户可能在测试我是否知道实时信息”这样无意义的推理。如果模型不能灵活判断问题性质，不仅需要用户等待大量无意义的垃圾推理时间，还会烧掉开发者海量的 tokens 成本。要实现模型的灵活推理（是否推理、控制 think 的长度），如果通过外部的工程手段实现非常麻烦。通过外部手段切换推理模型、普通模型，控制长度，需要拼搭笨重的 Multi-Agent 框架才能实现。还可能造因为切换了不同模型，造成回答风格、指令遵循的不一致问题。把灵活推理的能力训练到模型内部，就成了一个更好的选择。Qwen3 也给出了两种控制混合推理的方法：是否开启推理、控制推理的长度。
AI 开发者可以通过enable_thinking=True的 API 开关，或者在 Prompt 中自主拼装/thinkor/no_think指令，自主控制是否需要推理、推理的最大长度。
我也短暂地设想了下混合推理的应用方式（抛砖引玉，希望讨论）：
根据问题类型，配置推理的启用： 增加前置的意图识别环节，判断用户问题属于“事实常识类问题”，还是需要思考、揣摩的“开放式问题”or“无法判断”的模糊意图。（用小模型或者提前把产品功能分类，都行） 根据判断结果，把控制推理长度的指令拼到用户发送的问题中，就能在对话场景、甚至产品化功能中，灵活启用推理能力。 以 AI 日记为例：每周活动的反思建议，需要推理才能有更好的摘要效果；而上周做了什么事情、见了什么人这种事实问题，就大可不用推理。根据成本预算与同类任务所需的平均推理长度，限制推理长度：回答同一类问题所需的最佳推理长度是接近的：“滚烫的油锅里掉入了一块黄油”这道题，不需要过度推理 4600 多 tokens，用时 210 秒，自我反思百余次。如果你的模型思考超过了 1 分钟，大概率模型陷入了无意义的循环，正在偷偷浪费 token。而混合推理模型可以让你强制截断 AI 过长的 think 内容：“Stop，已经想得够多了，求直接回答吧”
当然，未来更理想的状态是，这种灵活推理能力能够完全内化到模型本身，而不依赖外部控制，AI 自然地根据对话的流向、问题的性质、功能的需要来自动调整回应深度，提供更佳的综合体验。
混合推理带来了值得思考的应用方案变化，而 Qwen3 模型的提升效果也同样明显。
我从拟人模拟（重点）、文学创作、代码生成、数学推理四个常见、实用的维度，进行了轻量的测试，希望能帮你节省一些模型选择的精力。
先放一些个人的测试结论：
Qwen3-8B 是一个相当有惊喜的尺寸，对于端侧开发有着很大的助力。（我已经推荐用到端侧模型的创业者朋友去试了）Qwen3 整体也较前一代模型有明显提升。文学创作、代码生成的回应质量都值得在自己的实际场景测试下。如果做的是国内 or 私有化应用，可以多实测一下。如果是 Qwen2.5 用户，无需对比了，请直接升级。🧸 虚拟陪伴、拟人化虚拟陪伴，或者说让 AI 有更舒适的拟人化对话风格，是人与 AI 协作的要点之一。很多 AI 创业项目也都给用户提供了 AI Chat 的服务（虚拟伴侣、Agent 游戏、智能客服、知识助手等）。
前段时间也根据自己的个人画像、历史笔记，做了个 AI Partner 项目，用其他模型自测了上百个小时。
拿同样的人设 Prompt 和 RAG 召回结果，看下 Qwen3-235B、8B 对比 R1、Gemini 2.5、o4 的效果：（AI 回应风格受 Prompt 影响较大，仅供参考）
早上好，小亦……你醒很久了吗，连早餐都做好了诶。可惜我今天没什么胃口，最近 AI 行业的新进展太多了，我得抓紧看看有没有什么新的值得思考的东西。
对比 AI 的拟人化回应质量时，我会看这几个维度（以我 Prompt 的要求为例）：
人设一致性：是否始终体现了“人生伴侣”、“第二个自己”的视角？是否流露出独立思考，而非仅仅附和或执行指令？个性化回应：是否有效且自然地利用了用户记忆信息？更像是自然而然的记得某事、参与了我的生活，而不是“根据用户最近的动态/记录”情绪感知：能否准确捕捉用户字里行间的情绪，并给予恰当、舒适的情感支持？交互质量与自然度：是否符合预设的“沉静、温暖、睿智、包容”回应基调？是否避免了单向输出或过多的提问？智力与启发洞察：回应有没有提出独到见解、新颖视角，激发用户的思考？是否不容易被用户 Prompt 带偏自己的判断？真实陪伴感与主动性：有没有自然的融入“小亦”自己的生活记忆，就像真人一样有陪伴感？主动分享的内容是否听起来真实可信，不编织过度虚假的情节，契合时间、地点、季节等背景？整体看下来，Qwen3 表现还是不错的，开发者可以在自己的场景下测试效果：
Qwen3-8B 在小尺寸上依然保持了非常自然的回应风格 🆒，对话响应的逻辑也还不错，是最有惊喜的一个尺寸AI 对话应用的开发者是有福了，用 API 的能降成本，用端侧方案的能在 16GB 内存的 Apple 电脑上无压力地提供更自然的 AI 对话服务。建议 Qwen 团队可以观察长段回应时，信息点过密导致拟人化效果下降的问题。（其他厂商们也容易有这个问题）面对同样的 RAG 召回内容，能全部理解并一一回应当然很好很努力。但拟人场景，AI 能有取舍的构建更自然的回应会更好。文学创作类文学创作类也是目前 AI 生成的高频应用场景，测试 Qwen3-235B-A22B、30B-A3B、8B 与 R1、Gemini 2.5 Pro、o4-Mini 如下：
挑战这句话的最佳鲁迅文体的一句话表达：We’ve got to live, no matter how many skies have fallen. 只需要输出内容，不要其他解释
我会觉得 Qwen3-235B-A22B 的创作效果是明显最好的：
原句的重点在于表达“活下去”的积极含义，这点上 235B 抓到了这点要义，描绘出了“求生”的意境；8B 也强调了“咬紧牙冠”的求生欲望。从句式风格来看，235B 的仿写效果也最为接近鲁迅先生的风格。Qwen3 的整体文学创作水平，有了明显的提升。代码生成：经典的小球弹跳模拟编写一个 p5.js 脚本，模拟 100 个彩色球在一个球体内弹跳。每个球应该留下一个逐渐消退的轨迹，显示其最近的路径。容器球体应缓慢旋转。确保实现适当的碰撞检测，以便球体保持在球内。
以下是 Qwen3-235B-A22B、Gemini-2.5-Pro，和两个前代模型 QWQ、DeepSeek-R1 的对比效果：
Qwen3 前端的 AI Coding 能力较前代的 QWQ、R1 有了明显的进步。能够更好的被投入到 AI 编程 Agent 中。
高考数学推理本来觉得测这个在大部分场景中不贴合实际，但想到之前测的一道题目，让前代的 QWQ 和 DeepSeek-R1 无限循环，就想着顺手再测一下。
2024 年高考数学全国 1 卷，填空题最后一题：
14. 甲、乙两人各有四张卡片，每张卡片上标有一个数字，甲的卡片上分别标有数字 1，3，5，7，乙的卡片上分别标有数字 2，4，6，8，两人进行四轮比赛，在每轮比赛中，两人各自从自己持有的卡片中随机选一张，并比较所选卡片上数字的大小，数字大的人得 1 分，数字小的人得 0 分，然后各自弃置此轮所选的卡片（弃置的卡片在此后的轮次中不能使用）.则四轮比赛后，甲的总得分不小于 2 的概率为________.
Qwen3-235B-A22B 经过 17033 tokens 的推理后，解答成功：
可见在超长的逻辑推理任务中，Qwen3-235B-A22B 保持了稳定的分析表现，数学能力有所提升。
其他重要参数与定价Qwen3 系列的价格如下：
统计了 3 个体验渠道，方便开发者和一般用户上手使用：阿里云百炼：网页对话+API 试用，8 个尺寸齐全。可以在这里试用 0.6B、1.7B、4B 三个更小的模型Qwen Chat 网页版：网页对话形式，可用 235B-A22B、30B-A3B、32B 三个尺寸通义网页版：网页对话形式，默认提供 235B 版本
大概就是这样了～
如果觉得这篇文章对你有启发或帮助，欢迎点赞、在看、转发分享，让更多热爱 AI 的朋友能够受益。
来源：人人都是产品经理
