一个做聊天机器人的开发者想要即时回复；同一个开发者在调试棘手算法时，却希望模型慢下来、好好推理。多年来，这是两个不同的模型，由人手买来、再手动接在一起。通义千问（Qwen）Qwen3 试图把它们合成一个。由阿里巴巴发布，Qwen3 与其说是一个单一模型，不如说是一个能在快、慢思考间按需切换的家族，而整个家族都是开源权重。
Qwen3 首发共八个模型：六个稠密尺寸——0.6B、1.7B、4B、8B、14B、32B 参数——加上两个混合专家（MoE）模型，即 30B-A3B 与旗舰 235B-A22B，其中 2350 亿为总参数、每 token 仅 220 亿被激活。头条特性是混合推理。Qwen3 是阿里巴巴首个推理模型，把用于多步数学、编程与逻辑的"思考模式"和用于快速通用回复的"非思考模式"合而为一；通过接口（API），开发者可设置最多 38,000 token 的思考预算，按任务需要拿智能换算力。实际效果是，一个模型能演两个团队过去用两个模型分别担当的角色：一句只需友好句子的面向客户回复，可用非思考模式近乎瞬时作答；同一部署接到一个棘手 bug，便切到思考模式，把 token 预算花在逐步推演上再回答。这一切换是个开关，而非要另起一个服务，正是这部分省下了集成精力。它也意味着成本不再平摊：简单查询默认保持便宜，昂贵的慢推理留给真正配得上的时刻。
"开源权重"在这里仍至关重要：每个 Qwen3 模型都以 Apache 2.0 许可证发布，意味着全球开发者、研究者和公司可免费下载并商用。家族在 ModelScope 与 Hugging Face 上可用。多语言能力异常宽广：Qwen3 支持 119 种语言与方言，这对在英语和中文之外构建的团队很重要；它用约 36 万亿 token 训练，约为 Qwen2.5 用量的两倍。按阿里巴巴自己的统计，通义千问（Qwen）系列此前已产出超过 200 个开源模型、全球下载超 3 亿次、衍生模型超 10 万个——这个基数让 Qwen3 更像开放战略的延续，而非一次发布。Qwen3 天生为智能体时代设计：原生支持模型上下文协议（MCP）与强大的函数调用，让模型能调用工具、协调任务，而不只是回答问题。在衡量智能体式工具调用的 BFCL 基准上，阿里巴巴报告 70.8 分，定位高于 Gemini 2.5-Pro 与 OpenAI-o1 等模型；在推理与代码集合上，官媒报道援引 AIME25 为 81.5、LiveCodeBench 高于 70、ArenaHard 为 95.6——这些数字我们视为实验室报告、方向性强，而非独立审计。对采用尤为关键的是，完整的 235B-A22B 被报告仅需四张 H20 GPU 即可部署，内存占用约为同类模型的三分之一，这降低了想获得前沿级质量又不愿租用的公司的门槛。Qwen3 真正的贡献在于"打包"：4B 模型能塞进手机、8B 进笔记本与汽车、32B 供企业机群；一个家族覆盖边缘、桌面与数据中心，混合模式让单次部署既能服务快速助手、也能服务慢速推理器。对构建者来说，这去掉了一层集成工作。
在 AI 短暂历史的大部分时间里，快模型与聪明模型之间的选择是条岔路：选速度就接受浅答，选深度就为每一个琐碎查询付出延迟。Qwen3 把这条岔路坍缩进一个可下载的家族，悄然改变了团队为智能做预算的方式。一家创业公司能把同一个模型发到手机、笔记本和服务器，只在任务足够难时才开启思考。再叠加 Apache 2.0 许可证，这种打包把实验成本降到近乎零——能折腾一个有能力、免费模型的人越多，周边工具与微调的生态往往长得越快。
关键要点
- Qwen3 是一个完整的开源权重家族，跨度 0.6B 到 235B，全部基于 Apache 2.0。
- 它是混合推理模型，带可切换的思考 / 非思考模式与可配置思考预算。
- 原生 MCP 与函数调用支持面向智能体式、用工具的应用。
- 旗舰 235B 被报告可在四张 H20 GPU 上运行，降低了自托管成本。
诚实的局限
旗舰仍需要真实硬件（四张 H20 GPU 不是笔记本）。上述基准数字来自阿里巴巴与中国官媒报道，非独立审计，请视作方向性参考。混合模式是个控制旋钮，不是魔法：难题上的非思考回复仍会更快地出错。而此处的"开源权重"指权重可免费使用，但训练数据与完整配方并未公开，所以可复现性止于检查点。
普通人现在能做什么
- 按设备选尺寸：从手机上的 Qwen3-4B 或笔记本上的 8B 起步，把 235B-A22B 留给服务器端重推理。
- 只在需要时开思考：为每个请求设思考预算，简单查询保持便宜，复杂查询仍能推理。
- 构建智能体：用原生 MCP 与函数调用支持把 Qwen3 接入工具，而非只当聊天框。
- 按任务类型封顶预算：给常规分类设小思考预算、给规划或调试设大预算，让单一端点既能做快速过滤器、又能做慢速分析师，不必另起模型。