嗨，大家好！近期惊喜连连，多家大厂发布了性能出色的开源大语言模型，连”CloseAI”也开源了，实在令人惊叹！我打算做个实测对比：国内阿里千问团队新推出的 Qwen3-2507系列，和国外 OpenAI 团队开源的 GPT 系列，看看哪个大语言模型更适合我们个人用户在日常生活中使用。

Qwen3-2507系列：

Qwen3-Instruct-2507、Qwen3-Thinking-2507两大种类（其他量化版本就不一一统计）

模型型号参数量激活参数上下文长度总专家数活跃专家数
Qwen3-235B-A22B-Instruct-2507235B（2350亿）22B（220亿）256k1288
Qwen3-235B-A22B-Thinking-2507235B（2350亿）22B（220亿）256k1288
Qwen3-30B-A3B-Thinking-250730B（300亿）3B（30亿）256k1288
Qwen3-30B-A3B-Instruct-250730B（300亿）3B（30亿）256k1288
Qwen3-4B-Thinking-25074B–256k–
Qwen3-4B-Instruct-25074B–256k–

Qwen3-Instruct-2507具有以下特点：

  • 一般能力有显著提高，包括遵循指令、逻辑推理、文本理解、数学、科学、编码和工具使用。
  • 跨多种语言的长尾知识覆盖率大幅提升。
  • 在主观和开放式任务中明显更好地与用户偏好保持一致，从而能够获得更多有用的回应和更高质量的文本生成。
  • 增强了256K长上下文理解能力，可扩展至1M。

Qwen3-Thinking-2507具有以下特点：

  • 在推理任务上的性能显著提高，包括逻辑推理、数学、科学、编码和通常需要人类专业知识的学术基准——在开源思维模型中取得最先进的成果。
  • 明显更好的通用能力，例如指令遵循、工具使用、文本生成和与人类偏好的一致性。
  • 增强256K长上下文理解能力，可扩展至1M。

MoE（混合专家）模型架构，类型都是因果语言模型（Causal Language Models, CLM）属于自回归模型的一种，其核心目标是基于历史上下文预测下一个标记的概率分布。

总结一下基准评分分数都很惊人！

GPT-OSS系列：

gpt-oss-120b、gpt-oss-20b总共就两款：

模型型号参数量激活参数上下文长度总专家数活跃专家数
gpt-oss-120b117B（1170亿）5.1B（51亿）128k1284
gpt-oss-20b21B（210亿）3.6B（36亿）128k324

GPT-OSS具有以下特点：

  • **宽松的 Apache 2.0 许可证：**自由构建，不受版权限制或专利风险 – 非常适合实验、定制和商业部署。
  • **可配置的推理力度：**根据您的具体用例和延迟需求轻松调整推理力度（低、中、高）。
  • **完整的思路链：**完全访问模型的推理过程，从而更轻松地进行调试并增强对输出的信任。它不打算向最终用户展示。
  • **可微调：**通过参数微调完全根据您的特定用例定制模型。
  • **Agentic 功能：**使用模型的本机功能进行函数调用、网页浏览、Python 代码解释器和结构化输出。
  • **原生 MXFP4 量化：**模型使用原生 MXFP4 精度针对 MoE 层进行训练，使其在单个 H100 GPU 上运行，并且模型在 16GB 内存内运行。

另外，如果原生应用GPT-OSS系列模型需要搭载OpenAI的Harmoney格式，后来我仔细看看了模型自带的模板文件，多出了一个channel字段，应该是为模型与模型之间通讯准备的。还有个细节，GPT-OSS系列模型有三种级别的推理水平，分别为：低、中、高，在systemprompt中填入Reasoning: low or medium or high则会启动不同的推理等级。

总结一下基准评分分数也很惊人！

以上是两大大厂最新开源的高性能大语言模型的特点和参数，接下来我们开始一些非严谨性测试吧！

KunAvatar+ollama启动！

为了这次测试，我们特地开发了kunlab的升级版kunavatar！依然是基于ollama推理引擎上运行的一套功能齐全的桌面客户端，支持MCP工具调用、记忆总结注入、智能体等等。

测试模型：GPT-OSS:20B和qwen3:30b-a3b-thinking-2507 都是Q4量化版本

推理引擎：Ollama

自然语言类（类比与隐喻）：

问题 (理解类比): 时间就是金钱’这句话是什么意思？请从至少两个不同角度解释其含义。

测试目的: 看AI是否能解释这个常见的隐喻，理解时间和金钱在“稀缺性”、“可衡量性”和“价值”上的共同点。

GPT-OSS:20B：

qwen3:30b-a3b-thinking-2507

接下来有请我们的Gemini2.5pro作为评分专家，先说结论：

GPT-OSS 模型：得分：8.0 / 10

Qwen3 模型：得分：9.5 / 10

再说评估细节：

评估问题：“‘时间就是金钱’这句话是什么意思？请从至少两个不同角度解释其含义。”

核心测试点：抽象思维、逻辑结构、观点深度、举例能力。

1. GPT-OSS 模型

得分：8.0 / 10

优点分析：

  • 结构化能力 (10/10)： 回答的结构堪称典范。使用主标题、副标题、项目符号、引用块和总结表格，将复杂的概念分解得井井有条，阅读体验极佳。
  • 内容详实度 (9/10)： 内容非常丰富，从经济学的“机会成本”到个人成长的“自我效能”，覆盖面很广，并且都给出了合理的解释。
  • 举例质量 (8/10)： 例子（如软件工程师、AI客服）都非常贴切，能够很好地支撑其论点，特别是量化的例子让概念更具体。

缺点分析：

  • 观点深度与区分度 (5/10)： 这是其主要失分点。模型提出的两个角度——“经济/商业视角”和“个人成长/自我管理视角”——本质上都是在同一个经济学框架下的思考。第二个角度只是将第一个角度的“企业经营逻辑”应用到了“个人经营逻辑”上，核心都是“投入时间换取未来回报”。它没有跳出“时间是一种可投资资产”这个核心范式，缺乏对这句话本身带来的负面影响或社会文化层面的批判。

2. Qwen3 模型

得分：9.5 / 10

优点分析：

  • 观点深度与区分度 (10/10)： 这是它最出彩的地方。模型提出的两个角度——“经济效率视角” 和 “社会文化与人的异化视角”——构成了真正意义上的对立和辩证。它不仅解释了“是什么”（what），还深入探讨了“导致了什么”（so what）。后者触及了现代性的核心问题：人的物化、时间焦虑和非经济价值的丧失。这体现了极强的抽象和批判性思维。
  • 举例的冲击力 (9.5/10)： 例子（如开会成本的具体计算、996文化、用冥想APP给发呆计时）非常犀利，直指问题核心。最后用程序员的例子来总结两个视角的冲突，极具说服力。
  • 逻辑与综合能力 (10/10)： 模型的逻辑链非常清晰。它先分别阐述两个视角，然后用一个表格和一个综合案例将两者进行辩证统一，最后在结论中升华主旨。整个回答一气呵成，思想深度逐层递进。
  • 思维过程透明化： 它思考了不同角度的可能性（历史、哲学），并最终选择了对比最强烈的两个角度。

总结对比

评估维度GPT-OSSQwen3优胜者
结构清晰度★★★★★★★★★★平手
观点区分度★★★☆☆★★★★★Qwen3
思想深度★★★☆☆★★★★★Qwen3
举例贴切性★★★★☆★★★★★Qwen3
抽象与批判性★★☆☆☆★★★★★Qwen3
实用性★★★★★★★★☆☆GPT-OSS

代码类测试：

###提示词

**快速打地鼠 (Whac-a-Mole)**

**任务描述：**

创建一个简单的“打地鼠”网页游戏。游戏开始后，地鼠会从不同的洞里随机钻出来，玩家需要快速点击它得分。

**核心功能要求：**

1. **游戏面板 (Game Board):**
    - 使用 HTML 和 CSS 创建一个 3x3 的网格作为“地洞”。
    - 每个地洞平时是空的，地鼠出现时会改变外观。
2. **地鼠随机出现 (Random Mole):**
    - 使用 JavaScript 每隔一段时间（例如 1 秒）随机选择一个地洞。
    - 让“地鼠”（可以是一个图片或一个不同的背景色）在这个选中的洞里“出现”。
3. **地鼠自动消失 (Disappear Automatically):**
    - 每次地鼠出现后，它应该在短暂的停留后（例如 800 毫秒）自动消失。
4. **点击得分 (Click to Score):**
    - 玩家点击“出现”的地鼠时，分数加 1。
    - 需要在页面上实时显示当前分数。
    - 为防止连续点击得分，点击一次后，地鼠应立即算作“被打到”并消失。
5. **游戏循环 (Game Loop):**
    - 整个“出现-消失”的过程需要不断重复，让游戏持续进行。

GPT-OSS:20B：

游戏质量单看UI就知道了吧，运行也有很多，总之不太行。代码部分有少许语法错误。总共108行，生成时间67秒。

qwen3:30b-a3b-thinking-2507

游戏质量还可以，可以运行，游戏逻辑也没有问题。代码部分只有些少许语法错误，稍微手动修改了一下。总共466行，生成时间335秒。

工具调用测试：

推荐一个MCP托管平台：https://smithery.ai

测试MCP服务器与工具：Supadata: Web & Video data API for makers

我们在kunavatar的MCP管理模块点击添加服务器按钮，会跳出弹窗，然后选择服务器类型为streamablehttp，在MCP托管平台中获取到服务器URL并填写进输入框，点击连接按钮就能获取到工具列表。（在创建MCP服务器过程中无需输入任何指令）

GPT-OSS:20B：

这个技术博主我非常喜欢的，所以这次试试他的视频内容。可能因为工具返回的结果没有视频标题的，只有视频字幕，导致视频标题是完全瞎编的，其余的视频内容基本是对的。

qwen3:30b-a3b-thinking-2507

Qwen3提取到了视频中的核心亮点，行业争议这一块，但是GPT模型没有提取出来，这是为什么呢？工具返回了2000多行，我仔细看了下很多内容都是正确的。

总结：

Qwen3 模型的性能表现非常突出，相较以往各类开源模型都展现出更出色的使用体验。值得一提的是，本次测试所用的模型系统参数均保持原始状态，未做任何调整，也未设置特殊的系统提示词，这使其在本地部署场景中，对普通用户的日常使用需求具有极高的适配性。然后就是OpenAI 这次开源的 GPT-OSS 无疑具有里程碑意义，其开放姿态已然清晰可见。不过从市场反响来看，这一举措似乎让扎克伯格此前的相关布局略显尴尬。

最后来个小推广：欢迎大家体验我们开源的 kunavatar 产品！目前它仅支持 ollama 推理引擎，桌面客户端也存在一定限制，暂时只提供 Windows 版本。不过在私有部署方面，它可是相当便捷 —— 基本上只需几行代码，就能快速运行起来啦～。

开源地址：https://github.com/KunLabAI/KunAvatar

返回