碾壓DeepSeek V3！阿里開源新版Qwen-3，屠榜級斷層第一
今天凌晨1點，阿里巴巴開源了Qwen3系列新版本Qwen3-235B-A22B-2507。
比較意外的是，阿里已經(jīng)停用了混合思考模型，新版Qwen3是一個非思維推理，又回到了指令微調(diào)模型，但性能非常強勁。
根據(jù)阿里公布的數(shù)據(jù)顯示，新版Qwen3在知識、推理、代碼、對齊、智能體、多語言測試6大類幾十種測試基準中，全部大幅度超過了DeepSeek開源的新版V3-0324模型。
例如，SimpleQA測試中，DeepSeekV3得27.2分，新版Qwen3為54.3分；CSimpleQA測試中，DeepSeekV3得71.1分，新版Qwen3為84.3分；
ZebraLogic測試中，DeepSeekV3 83.4分，新版Qwen3為95分；WritingBench測試，DeepSeekV3 74.5分，新版Qwen3為85.2分；TAU-Airline測試中，DeepSeekV3為32.0分，新版Qwen344.0分；PolyMATH測試，DeepSeekV3為32.2分，新版Qwen350.2分。
同樣新版Qwen3也超過了月之暗面最新開源的kimi-k2。
開源地址：https://huggingface.co/Qwen/Qwen3-235B-A22B-Instruct-2507
https://modelscope.cn/models/Qwen/Qwen3-235B-A22B-Instruct-2507
網(wǎng)友表示，我評估過的所有中型大語言模型，在嚴格遵循提示詞這方面，沒有一個能接近Qwen。不知道你們用了什么秘密配方，但接著保持這個水準繼續(xù)干就好。
哇，這是不是意味著你們新的無思維模式模型，在所有這些基準測試中都擊敗了KimiK2？
令人印象深刻的優(yōu)化改進。
太棒了伙計，干的不錯。但什么時候能發(fā)布一個小模型呢？
已經(jīng)擊敗了Kimi-K2了。
我剛剛對比了一下KimiK2的單次編碼。提示是：在一個HTML文件中制作一個完整的POS系統(tǒng)，設(shè)計要很棒，適合手機使用。我對Qwen3的印象比KimiK2更深刻。
Qwen團隊這次更新太贊了！新版Qwen3-235B-A22B-Instruct-2507采用指令模型與思維模型分開訓(xùn)練的模式，這一舉措非常明智，有望提升模型性能與多功能性。期待看到這一創(chuàng)新成果不斷發(fā)展！
說真的，我太愛你們團隊了！繼續(xù)加油干吧！超級期待視覺語言版本的推出！
新版Qwen3總共有2350億個參數(shù)，其中220億個是激活的。非嵌入?yún)?shù)數(shù)量為2340億，共有94層，采用64個查詢頭和4個鍵值頭的分組查詢注意力機制。它有128個專家，其中8個是激活的。其上下文長度原生支持262144。
新版Qwen3是在指令遵循、邏輯推理、文本理解、數(shù)學(xué)、科學(xué)、編程和工具使用等通用能力進行了大量優(yōu)化。還在多種語言的長尾知識覆蓋方面取得了顯著進步，并且在主觀和開放性任務(wù)中與用戶偏好的對齊度更高，能夠生成更有幫助且質(zhì)量更高的文本，同時增強了對256K長文本上下文的理解能力。
在性能方面，Qwen3-235B-A22B-Instruct-2507在多個基準測試中表現(xiàn)優(yōu)異。例如，在知識類的MMLU-Pro測試中得分為83.0，在MMLU-Redux中得分為93.1，在GPQA中得分為77.5。在推理能力方面，它在AIME25測試中得分為70.3，在HMMT25中得分為55.4。
在編程能力方面，它在LiveCodeBenchv6測試中得分為51.8，在MultiPL-E中得分為87.9。在對齊能力方面，它在IFEval測試中得分為88.7，在Arena-Hardv2測試中得分為79.2。此外，它在多語言能力方面也有出色的表現(xiàn)，例如在MultiIF測試中得分為77.5，在MMLU-ProX測試中得分為79.4。
此外，Qwen3 在工具調(diào)用能力方面表現(xiàn)出色，建議使用 Qwen-Agent 來充分發(fā)揮其智能體能力。Qwen-Agent 內(nèi)部封裝了工具調(diào)用模板和工具調(diào)用解析器，大大降低了編碼復(fù)雜性。可以通過MCP配置文件、Qwen-Agent 的集成工具或自行集成其他工具來定義可用工具。
