新版Qwen3深夜突襲！性能超越Kimi-K2、DeepSeek-V3
Qwen3的一次“小更新”，就讓新模型在多項測試中超越了 Kimi-K2、DeepSeek-V3 等一眾強勁對手。
?
今天凌晨，阿里巴巴通義千問團隊在魔搭社區和Hugging Face發布了一個新模型——Qwen3-235B-A22B-Instruct-2507-FP8。
?
?
在官方公布的測評數據中，新版Qwen3在GQPA知識測試得分77.5（DeepSeek-V3僅68.4）、數學競賽AIME25得分70.3（Kimi-K2為49.5）、編程測試LiveCodeBench達51.8（超過Kimi-K2的48.9）。更令人意外的是，它在人類偏好對齊測試Arena-Hard v2中甚至以79.2分超越了閉源巨頭Claude-Opus4的51.5分。
?
?
此次升級最核心的轉變，是阿里放棄了混合思考模式。此前同時處理“快思考”（指令執行）和“慢思考”（深度推理）的設計被拆解，轉而分別訓練Instruct和Thinking模型。
?
這種架構分離讓新版Qwen3在指令響應速度上大幅提升，同時通過分層知識蒸餾技術壓縮了模型體積。
?
據介紹，升級后的Qwen3在一般能力方面有顯著提高，包括遵循指令、邏輯推理、文本理解、數學、科學、編碼和工具使用等功能。
?
同時，跨多種語言的長尾知識覆蓋率也大幅提升；還增強了256k長上下文理解能力。
?
有用戶要求“用HTML制作完整的手機端POS系統”，結果Qwen3生成的界面讓評測者直言“比Kimi-K2更令人印象深刻”。
?
?
阿里云智能總裁張建鋒表示，新模型將很快接入釘釘智能助理和天貓精靈。Qwen3在BFCL智能體能力測試中取得70.9分（DeepSeek-V3為64.7），已經逼近人類專業助手水平。這意味著該模型在企業服務以及科研等領域將實現更廣泛的應用。
?
阿里此次同步開源了中文強化訓練數據集和企業級部署工具包，這恰是許多中小企業的痛點。
?
而Qwen3的FP8混合精度框架降低顯存占用，讓百億模型在工業場景落地成為可能。這種從實驗室到車間的能力遷移，正是中國AI產業化最需要的助推器。
?
值得注意的是，通義千問團隊已在更新公告埋下彩蛋：“這只是一次小更新，還有大招即將到來！”專攻復雜推理的Thinking模型，或許正在趕來的路上。
