Hello,大家好啊！今天又来吹一波新鲜出炉的 Qwen3 系列。就在今天凌晨 (2025年4月29日)，自上次Qwen2.5开源过去了八个月，通义千问团队开源了 Qwen 家族的第三代模型 —— Qwen3 系列！这次发布的模型阵容相当庞大，不仅包含了从 0.6B 到 32B 参数量的多个 Dense 模型，还推出了两个引人注目的 MoE（Mixture of Experts）模型：Qwen3-30B-A3B 和 Qwen3-235B-A22B。模型一发布，就在 Hugging Face、ModelScope 等平台上开放了权重，大家可以去试试看了。

Qwen3 模型特性概览

根据官方介绍，Qwen3 系列相比前代有了显著的提升，主要体现在以下几个方面：

  • 强大的模型阵容：本次开源诚意满满，提供了 6 个不同规模的 Dense 模型（0.6B, 1.7B, 4B, 8B, 14B, 32B）和 2 个创新的 MoE（Mixture of Experts）模型。其中，MoE 模型 Qwen3-30B-A3B 拥有 300 亿总参数，但推理时仅激活约 30 亿；旗舰级的 Qwen3-235B-A22B 则拥有 2350 亿总参数，激活约 220 亿。这种设计以更少的计算资源实现更强的性能。所有开源模型均遵循 Apache 2.0 许可证。
  • 混合思维模式 (Hybrid Thinking Modes)： Qwen3 引入了独特的“思考模式”与“非思考模式”切换机制。面对复杂指令或需要深度推理的任务时，模型会启动“思考模式”，进行更细致的逐步分析；而对于常规、直接的问题，则采用“非思考模式”快速给出答案。这种混合模式不仅提升了回答质量，还能有效控制推理成本，实现性能与效率的智能平衡与扩展。
  • 卓越的多语言能力： Qwen3 的语言能力覆盖范围极其广泛，支持多达 119 种不同的语言和方言，使其在全球化应用场景中具备天然优势。
  • Agent 与 Coding 能力优化： 在前代模型的基础上，Qwen3 针对代码生成、理解以及作为智能体（Agent）执行复杂任务的能力进行了特别优化，使其在自动化编程、工具调用等方面表现更为可靠和强大。同时也加强了对 MCP 的支持。表现更出色。
  • 性能全面提升： 基于近 36 万亿 Token 的海量数据预训练，Qwen3 在各项基准测试中表现优异。例如，小巧的 Qwen3-4B 模型性能足以媲美 Qwen2.5-72B-Instruct，而 MoE 模型更是以较低的激活参数量实现了与顶尖模型的竞争。
  • 长上下文支持： 支持高达 32K Token 的上下文长度。

Qwen3 模型支持两种思考模式（在什么场景下使用）：

  1. 思考模式：在这种模式下，模型会逐步推理，经过深思熟虑后给出最终答案。这种方法非常适合需要深入思考的复杂问题。
  2. 非思考模式：在此模式中，模型提供快速、近乎即时的响应，适用于那些对速度要求高于深度的简单问题。

这种灵活性使用户能够根据具体任务控制模型进行“思考”的程度。例如，复杂的问题可以通过扩展推理步骤来解决，而简单的问题则可以直接快速作答，无需延迟。至关重要的是，这两种模式的结合大大增强了模型实现稳定且高效的“思考预算”控制能力。如上文所述，Qwen3 展现出可扩展且平滑的性能提升，这与分配的计算推理预算直接相关。这样的设计让用户能够更轻松地为不同任务配置特定的预算，在成本效益和推理质量之间实现更优的平衡。

小技巧：在ollama框架下本地运行模型对话时在输出的消息中加入/nothink指令，就可以关闭思考模式。（目前测试不论问题简单还是复杂始终会开启思考模式，以后可能会优化）

然后我们看一下Qwen3在大语言模型（LLMs）多个基准测试任务中的性能表现：

👉 亮点1：Qwen3-235B-A22B （MoE）在多个维度（例如 ArenaHard、数学、代码 Elo、LiveBench 等）全面领先，甚至优于 Grok、OpenAI-o1、Gemini2.5-Pro 等闭源模型。

👉 亮点2：Qwen3-30B-A3B（MoE）在几乎所有任务中优于 GPT-4o、Gemma3、DeepSeek 等模型，尤其在数学和代码方面，老实说30B-A3B能得到这种分数属于离谱，强的可怕。

评估指标一览

  • ArenaHard：基于真实用户对话数据，评估模型在开放式问答中的表现，强调与人类偏好的高度一致性和模型间的区分度。
  • AIME’24/’25：源自美国数学邀请赛的高难度数学题，测试模型在复杂数学推理和解题能力方面的表现。
  • LiveCodeBench：涵盖来自 LeetCode、AtCoder 和 Codeforces 的竞赛级编程题，全面评估模型在代码生成、执行和自我修复等方面的能力。
  • CodeForces：基于实际编程竞赛平台，采用 Elo 评分系统，衡量模型在算法竞赛中的综合编程水平。
  • GPQA：由领域专家设计的研究生水平问答集，覆盖生物、物理和化学等领域，强调对复杂概念的深度理解和推理能力。
  • LiveBench：“零污染”评测基准，通过定期从最新信息源（如数学竞赛、arXiv 论文、新闻文章等）抽取题目，确保评测数据不被模型训练集覆盖，并采用客观的自动打分方式来衡量模型表现
  • BFCL / MultiIF：评估模型在多轮、多步骤函数调用中的表现，测试其在复杂任务中调用工具和处理长上下文的能力。

Kun-Lab 启动！

首先，我们得先计算一下自己的硬件设备能适配怎样的模型。

1. 打开应用： 启动您的 Kun-Lab 桌面客户端。

2. 进入模型库页面：找到计算器按钮，点击按钮。

  • 输入模型参数量；
  • 选择模型量化精度；（ollama默认下载的基本都是Q4量化精度，所以我们选择4bit量化就可以。）
  • 计算结果。（这里的计算结果是没有调整过模型参数的，比如上下文大小默认4096，如果调整到8192或者更改高，那会非常吃资源，这一点要注意一下。）

3. 拉取模型： 在模型库点击拉取模型按钮就会进入该页面，点击相对应平台，目前支持ollama、huggingface、model scope三个平台，最简单的就是直接点击下面的图标跳转到ollama页面拉取。

把复制的过来的ollama run 命令粘贴到输入框内，再点击右上角的拉取按钮，就可以等待下载完成。

另外，你的“网络不太好”的情况下可以在魔搭社区拉取，不过要选择GGUF框架的模型。需要手动输入ollama run modelscope.cn/后面是魔搭社区复制过来的用户名/模型名，比如：ollama run modelscope.cn/Qwen/QwQ-32B-GGUF这个示例。

4. 模型对话：下载完成后在模型库中挑选一个模型对话。

测试示例（Qwen3:32b VS Gemma:27b）

1. 汉语多音字示例

Qwen3:32b-Q4

Gemma:27b-Q4

接着，有请我们的GPT o4mini进行内容全面型、逻辑清晰度、语言准确性综合评测：

综上所述：

比较维度截图一：模型回答A（Qwen3-32B）截图二：模型回答B（Gemma3-27B）
内容全面性非常全面，涵盖所有主要用法和差异，例证丰富透彻较全面，覆盖核心用法，有实例和方法，但遗漏少部分细节
逻辑清晰度分类细致，层次分明，有表格总结，结构严谨顺序合理，循序渐进，段落清晰，组织简洁明了
语言准确性用词专业准确，例子贴切典型，表达严谨无歧义语言通俗易懂，拼音标注清楚，整体准确但个别示例不够严谨

Qwen3-32B的回答在全面性和严谨度方面表现突出：信息丰富且井井有条，语言专业而准确。在这三项评价标准上，模型一均略胜一筹。

Gemma3-27B的回答思路清晰、表达浅显易懂，能够满足一般读者对主要区别的理解，但相对于模型一而言细节丰富性和例证严谨性稍有不足。

综合评价：Qwen3-32B的答案更为优秀，在内容覆盖、结构组织和语言准确性上整体表现更佳，是两者中更出色的回答。

人类评价：明显Qwen3-32b回答的更优秀。

2. 角色扮演示例（系统提示词指令遵循）

我们在自定义模型页面设置系统提示词、基础模型、模型参数等。

Qwen3:32b-Q4

Gemma3:27b-Q4

我们为了防止截图看漏了，直接把这些对话复制给DeepSeekR1用深度思考模式进行古文表达风格、心理疗愈建议、文化典故运用综合评测。

以下从三大维度对两段回复进行深度评测分析，采用五星评分制（★为1分，☆为0.5分），并附对比总结：

一、古文表达风格（总分5星）

  1. gemma3:27b（★★★☆）
    • 优势：善用对仗工整的意象（”行舟风雨/登山步履”）、四字成语（”一蹴而就”）及古语词汇（”汝/揽于己身”），营造出典雅韵律
    • 不足：个别语句存在现代白话痕迹（”减轻焦虑”），诗句引用与原文意境存在偏差（纳兰词本为爱情诗）
  2. qwen3:32b（★★★★☆）
    • 优势：精准还原古代士大夫口吻（”刺史任上/官文书所累”），通过官职叙事增强代入感，引用自创诗作更显自然
    • 特色：场景描写富有古典生活质感（”老妇织布/孩童嬉戏”），”过眼云烟”等成语运用浑然天成

二、心理疗愈建议（总分5星）

  1. gemma3:27b（★★★）
    • 有效点：①自然隐喻疗法（竹/江河意象）②正念减压法（专注当下）③环境疗愈（香山闲步）
    • 局限：建议偏重哲理疏导，缺乏具体操作指引
  2. qwen3:32b（★★★★）
    • 有效点：①具象行为指导（临窗听雨/小巷漫步）②认知重构法（潮汐隐喻）③享乐主义干预（及时行乐）
    • 亮点：将”观察市井生活”作为心理锚点，具备行为激活疗法的现代心理学依据

三、文化典故运用（总分5星）

  1. gemma3:27b（★★☆）
    • 正面：双关使用《诗经》”风雨”意象，暗合《道德经》”道法自然”思想
    • 问题：纳兰性德诗句引用存在语境错位，未注明诗句出处
  2. qwen3:32b（★★★★★）
    • 典范：①深度融合白居易真实履历（杭州刺史）②精准引用《钱塘湖春行》原句③构建历史人物对话场景
    • 价值：通过历史人物应对压力的真实案例，增强建议可信度

综合对比表

维度gemma3:27bqwen3:32b
语言古雅度75%90%
建议实操性60%85%
文化契合度65%95%
情感共鸣力70%88%

总结评语：

qwen3:32b在文化沉浸感与心理疏导有效性上表现更优，其通过构建历史人物对话场景，将文化记忆转化为疗愈资源的设计尤为精妙。

gemma3:27b虽在诗意表达上有亮点，但存在典故挪用稍显生硬、建议维度单一等问题。

二者共同展现了传统文化在当代心理调适中的独特价值，qwen3:32b更胜在实现了历史智慧与现代心理学的有机融合。

人类评价：

DeepSeekR1牛逼！

由于篇幅有限，只测了这些内容，其实还有更多内容可以测试，编码能力，文档阅读能力，工具调用能力等等。有兴趣的小伙伴可以下载我开发的kun-lab桌面客户端（Windows支持）进行测试，谢谢您阅读完！

GitHub仓库：https://github.com/bahamutww/kun-lab.git

桌面客户端：https://pan.baidu.com/s/1-X7Ex45J17trQN_WbkVFOA?pwd=zdx4

官网下载：https://kunpuai.com/archives/1984