北京时间 4 月 29 日凌晨 4 点 52 分，我们终于等到了 Qwen3（千问 3）的正式亮相。
从 23 年 8 月开始，我们就一路看着 Qwen 模型的开源与迭代，而这一次千问 3 的发布可能是最惊喜的一次！
阅读完官方博客，以及在官网 https://chat.qwen.ai/）测试效果后，你就可以发现：千问 3 的优点好像有点多的说不过来。
放几个关键词：全系列，开源最强，混合推理，思考更快，成本骤降，Agent 能力提升…
最强大的当属旗舰模型 Qwen3-235B-A22B，其在代码、数学、通用能力等基准测试中，与 DeepSeek-R1、o1、o3-mini、Grok-3 和 Gemini-2.5-Pro 等行业顶尖模型相比，不是比肩，而是超越。
在相同的计算资源下，千问 3 模型以更小的规模实现了对上一代更大体量模型的超越。其中旗舰版 Qwen3-235B-A22B 仅需 4 张 H20 就能实现本地部署，成本为 DeepSeek-R1 的 35%，做到了“小而强大”。
千问 3 这次一口气开源了 8 款模型，用千问 3 结合联网搜索，将这次开源的所有模型信息整理如下。
实测下来推理速度很快，幻觉仍存在但相比其他模型低了一些。
比如问它“为什么朋友说千问 3 等于‘困困困’？”，它也明白其中的隐喻，并做了高情商回复。
比如让它做一款记忆配对卡牌的 Web 小游戏，效果如下。
千问 3 原生支持思考模式与非思考模式两种工作方式，意味着既能在简单问题上快思考，秒出答案；又能在复杂问题上慢思考，展开多步推理和深入分析。
这种设计让用户可以根据不同任务，轻松调整花多少费用，既省成本又保证推理效果。
比如我先问一个非常简单的问题“爸爸的儿子叫什么？”千问 3 几乎没怎么思考就给出了非常全面的回答。
再比如问一个数学题，千问 3 就 CPU 烧了近半分钟。
在大模型从“聊天”走向“动手做事”的关键时刻，千问 3 的设计也跟着升级了，不再只是回答问题那么简单，而是专门为 Agent 架构做了优化，提升了执行任务的效率、响应的结构化程度，还有对各种工具的适配能力。
开发者还可以使用 Qwen-Agent 来充分发挥千问 3 的 Agent 能力。Qwen-Agent 内部封装了工具调用的模板和工具调用解析器，大大降低了代码复杂性。
要给 Agent 定义可用的工具，可以使用 MCP 配置文件，使用 Qwen-Agent 内置的工具，或者自行集成其他的工具。
此外，Qwen 团队也在博客中提到：我们正从专注于训练模型的时代过渡到以训练 Agent 为中心的时代。
后续也将从多个维度提升模型质量，以实现几个关键目标：扩展数据规模、增加模型大小、延长上下文长度、拓宽模态范围，并利用环境反馈推进强化学习以进行长周期推理。
更多细节：
Blog: https://qwenlm.github.io/blog/qwen3/
GitHub: https://github.com/QwenLM/Qwen3
Hugging Face: https://huggingface.co/collections/Qwen/qwen3-67dd247413f0e2e4f653967f
ModelScope: https://modelscope.cn/collections/Qwen3-9743180bdc6b48
最后是激动人心的福利抽奖环节！！！
欢迎大家在评论区留言千问 3 体验感受与测试截图，我们将挑选评论区点赞数最高的五位（截止 5 月 5 日晚），与评价最走心的五位，送出共计十份千问的周边（以下礼品随机一份）！
![]()
（文：特工宇宙）
