國內首個「混合推理模型」Qwen3開源，盤點它的N種對接方式！
今日凌晨，通義千問團隊正式開源了 Qwen3 大模型，并且一口氣發布了 8 個型號，其中包括 0.6B、1.7B、4B、8B、14B、32B 以及 30B-A3B 和 235B-A22B，使用者可以根據自己的業務情況，選擇合適的版本進行使用。
更讓人驚喜的是，最新的 Qwen3 系列模型具備雙模推理能力（深入思考/快速響應）、支持 119 種語言及方言，并強化了 Agent 功能與代碼執行能力，全面滿足復雜問題處理與全球化應用需求。
“
PS：Qwen3 也是國內首個「混合推理模型」，「快思考」與「慢思考」集成進同一個模型，對簡單需求可低算力「秒回」答案，對復雜問題可多步驟「深度思考」，大大節省算力消耗。
Qwen3 旗艦模型 Qwen3-235B-A22B 在代碼、數學、通用能力等基準測試中，與 DeepSeek-R1、o1、o3-mini、Grok-3 和 Gemini-2.5-Pro 等頂級模型相比，表現出極具競爭力的結果。此外，小型 MoE 模型 Qwen3-30B-A3B 的激活參數數量是 QwQ-32B 的 10%，表現更勝一籌，甚至像 Qwen3-4B 這樣的小模型也能匹敵 Qwen2.5-72B-Instruct 的性能，以下是測試報告：
對接 Qwen3
常見對接大模型的方案有以下幾種：
- 官方對接方式：例如，調用阿里百煉平臺對接 Qwen3。
- 本地模型對接方式：安裝 Ollama 部署 Qwen3，對接 Ollama 實現調用。
- 三方平臺對接方式：使用千帆或火山引擎等三方平臺，對接調用 Qwen3。
但目前因為 Qwen3 剛剛發布，所以只能使用前兩種對接方式，截止發稿時，三方平臺還未上線 Qwen3，但也夠用了。
具體實現
接下來我們就以官方的調用方式，來實現一下 Qwen3 的具體代碼對接吧，這里提供 Spring AI 和 LangChain4j 兩種對接實現。
Spring AI 對接 Qwen3
1.添加依賴
Spring AI 并沒有內置阿里云百煉平臺，但百煉平臺支持 OpenAI 協議，因此我們可以使用 OpenAI 對接百煉平臺，因此我們只需要添加 OpenAI 依賴即可。
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-model-openai</artifactId>
</dependency>2.設置配置信息
spring:
ai:
openai:
base-url: https://dashscope.aliyuncs.com/compatible-mode/
api-key: ${ALIYUN-AK}
chat:
options:
model: qwen3-235b-a22b其中：
- base-url 填寫百煉平臺地址。
- api-key 為準備階段在百煉平臺申請的 AK 憑證。
- model 設置為 qwen3-235b-a22b 模型。
“
支持的模型列表參考官方文檔：https://help.aliyun.com/zh/model-studio/models?spm=a2c4g.11186623.0.0.78d848237YTeH1#cefdf0875dorc
3.編寫調用代碼
import org.springframework.ai.openai.OpenAiChatModel;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
@RestController
@RequestMapping("/ds")
publicclass TestController {
privatefinal OpenAiChatModel chatModel;
@Autowired
public TestController(OpenAiChatModel chatModel) {
this.chatModel = chatModel;
}
@RequestMapping("/chat")
public String chat(@RequestParam("msg") String msg) {
String result = chatModel.call(msg);
System.out.println("返回結果：" + result);
return result;
}
}LangChain4j 對接 Qwen3
LangChain4j 內置集成了阿里云百煉平臺，所以可以直接對接。
1.添加依賴
<dependency>
<groupId>dev.langchain4j</groupId>
<artifactId>langchain4j-community-dashscope-spring-boot-starter</artifactId>
</dependency>可以為“langchain4j-community-xxx”其添加統一版本管理：
<dependencyManagement>
<dependencies>
<dependency>
<groupId>dev.langchain4j</groupId>
<artifactId>langchain4j-community-bom</artifactId>
<version>1.0.0-beta3</version>
<type>pom</type>
<scope>import</scope>
</dependency>
</dependencies>
</dependencyManagement>2.設置配置信息
注意這里需要配置“chat-model”節點，官方文檔有問題，如果不配置 chat-model 則不能自動注入百煉模型：
langchain4j:
community:
dashscope:
base-url: https://dashscope.aliyuncs.com/compatible-mode/
chat-model:
api-key: ${ALIYUN-AK}
model-name: qwen-plus支持的模型列表：https://help.aliyun.com/zh/model-studio/models
3.編寫調用代碼
import dev.langchain4j.model.chat.ChatLanguageModel;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
@RestController
@RequestMapping("/qw")
publicclass QwenController {
@Autowired
private ChatLanguageModel qwenChatModel;
@RequestMapping("/chat")
public String chat(String question) {
return qwenChatModel.chat(question);
}
}小結
當然，以上對接方式是全量輸出（得到結果之后一次性返回），生產級別我們通常要使用流式輸出，并且需要實現連續（上下文）對話，以及歷史對話信息持久化等功能，文章篇幅有限，這里就不一一實現了，大家可以下來自己試試。
