阿里巴巴（9988.HK/BABA.US）於週一正式發布並開源通義千問3.0（Qwen3）系列AI模型。該系列在數學推理與編程能力等核心指標上已與DeepSeek形成競爭態勢，同時通過技術創新實現部署成本的大幅優化。值得關注的是，Qwen3創新整合雙模態推理機制，支援119種語言處理，其Agent調用便捷性及綜合性能可媲美DeepSeek-R1與OpenAI的o1系列，且所有模型均採取開源策略。

一、模型架構創新與成本優化

Qwen3系列包含兩個混合專家模型（MoE）及六款密集模型。旗艦版Qwen3-235B-A22B在代碼生成、數學推理等專業測試中，與DeepSeek-R1、Grok-3等頂尖模型呈現競爭態勢。其MoE架構Qwen3-30B-A3B通過動態激活參數機制，僅需QwQ-32B模型10%的運算資源即可達到同等效果。更值得關注的是，小型模型Qwen3-4B的性能甚至超越了上一代Qwen2.5-72B-Instruct版本。該系統的核心創新在於模擬人類專家協作機制，通過智能任務分配實現跨領域問題的精準處理。

二、開源生態與技術參數

本次開源的MoE模型包含總參數量2350億的Qwen3-235B-A22B與300億參數的Qwen3-30B-A3B。配套發布的六款密集模型形成完整產品矩陣，涵蓋Qwen3-32B至Qwen3-0.6B等多個版本，所有模型均採用Apache 2.0開源協議，顯著降低商業應用門檻。

三、雙模態推理系統

Qwen3系列的核心創新在於其獨創的「雙模態推理引擎」：

1. 深度思考模式：適用於複雜問題求解，內建事實核查機制（類似OpenAI的o3系統），通過多步驟推理確保結果準確性
2. 即時響應模式：針對簡單查詢進行優化，響應速度提升40%，資源消耗降低60%

開發團隊特別說明，這種智能模式切換機制允許用戶根據任務複雜度動態分配計算資源，在成本控制與輸出質量之間實現最優平衡。典型案例顯示，數學證明類任務可激活深度推理鏈，而基礎信息查詢則啟用快速響應通道。

四、訓練體系升級

Qwen3的訓練數據集規模達到36萬億token，較Qwen2.5實現倍增。其訓練過程採用三階段遞進策略：

1. 基礎訓練階段：30萬億token量級，支援4K上下文窗口
2. 專項強化階段：注入5萬億STEM學科及編程專業數據
3. 擴展優化階段：將上下文處理能力擴展至32K，實現長文本連貫處理

技術文檔顯示，即使是參數量僅1.7B的Qwen3-1.7B模型，其綜合性能已與上一代3B模型持平，在STEM領域的表現更提升23%。MoE架構的能效優勢尤為突出，僅激活10%參數即可達成傳統密集模型的計算效果。

五、AGI戰略佈局

面對全球AI競賽白熱化態勢，阿里巴巴將Qwen3定位為通向通用人工智能（AGI）的關鍵里程碑。集團CEO吳泳銘在年初戰略會議上明確，公司研發重心將聚焦五大維度突破：數據規模擴展、模型參數量級提升、上下文長度延伸、多模態融合創新，以及基於環境反饋的推理能力強化。此次開源舉措被視為構建AI生態的重要戰略步驟，旨在通過開發者社區加速技術迭代。