阿里雲正式發布了Qwen3系列，一口氣開源了從0.6B到235B共8款模型：2個MoE大模型和6個Dense大模型，構成了阿里完整的模型矩陣。這次Qwen3的開源重塑了大型模型標準，可以說在「後DeepSeek R1」時代，以阿里為代表的國內大廠，正在藉助產品化思維，以性價比和多模態能力全方位搶奪DeepSeek的市場影響力。

Qwen3再一次拉高了世界開源標準

這回阿里雲開源的Qwen3，在架構、效能、推理速度和應用方向上都有較大創新和提升。 Qwen3系列在模型架構上採用了MoE（混合專家）架構。

旗艦模型Qwen3-235B-A22B 擁有約2350億的總參數量，在每次推理時僅激活約220億參數，性能極其耐打，在綜合能力、代碼與數學、多語言能力、知識與推理等多項基準測試中，都能與DeepSeek R1、OpenAI o1、omini3-Ge11、omini、Grok Prook Prook Pro 25157575757575757575752572599925. Prook7 版本。

一個亮點是：Qwen3-4B模型憑藉極低的參數量，在一系列基準測試中與GPT-4o（2024-11-20版本）打了個有來有回。這體現了阿里在推理效率上的提升並非以犧牲能力為代價。

其輕量化模式Qwen3-30B-A3B和32B，在許多任務上的表現也足夠令人滿意。

除了基準測試上亮眼的表現外，Qwen3系列這回的一個主要創新特點是：混合思考模式。這種設計讓使用者能根據任務難度控制模型的推理量：思考模式下，模型能夠逐步推理，適合複雜問題，強調深度思考。無思考模式：模型快速反應，適合簡單問題，優先速度。難問題用更多推理，簡單問題快速解答。

並且，Qwen3為了在國際應用端擴展影響力，已經能夠支援119種語言和方言。外網的各國網友對其的評價都很不錯，橫向對比的話，Qwen3已經追上或超越了OpenAI o1、GoogleGemini 2.5 Pro。

Qwen3也針對最近半年爆火的「AI智能體」概念做出了優化，強調了「智能體」能力。例如它們強化了Qwen3 模型的編碼和代理能力，並增強了對MCP 的支持，讓Qwen3 學會如何思考以及如何與環境互動。

在預訓練方面，Qwen3 的資料集相比Qwen2.5 幾乎增加了一倍，達到了3.6萬億個token，涵蓋了更廣泛的領域知識和語境，再度提升了在複雜任務處理和多語言場景中的表現。

這回Qwen3系列的開源，統一採用Apache 2.0開源協定開放權重。透過「小杯-中盃-大杯-超大杯」的產品邏輯建構了一個完整的「Qwen宇宙」。

綜合來看，Qwen3 在單純的技術性能、成本價格、工具調用和MCP調用等所有方面獲得了全面的提升，其已經將開源世界的標準提升了一個層次。

DeepSeek光環下的大廠百態

4月25日的2025百度AI開發者大會上，百度創始人李彥宏點名批評DeepSeek“不是萬能的，它只能處理單一的文本，不能理解聲音、圖片、視頻等多模態內容。更大的問題是慢和貴，中國市場上絕大多數大模型API的價格都更低，而且反應速度更快。”

他點出了DeepSeek龐大光環下，中國的大廠正走向用性價比抗衡DeepSeek的現狀：用更小參數，更低成本的方式，實現更快的響應，完成不屬於DeepSeek的多模態效果。

阿里的Qwen3迅速引入MoE架構和雙模式推理設計，將龐大模型在實際使用上的成本大幅降低。憑藉DeepSeek R1三分之一的參數量，性能全面超越R1。

首先，Qwen3的MoE架構使得推理過程中僅啟動部分專家，從而降低了實際計算開銷。例如，Qwen3-235B-A22B雖然總參數達235B，但每個token只需計算其中約9%（22B）的參數。這意味著在相近硬體條件下，其推理延遲並不像參數規模看起來那樣高不可攀。

其次，Qwen3的雙模式推理設計有效率地分配算力。在「非思考模式」下，模型可直接產生答案，實現接近即時的回應；而在需要「思考模式」時，才投入額外計算資源進行多步驟推理。這種按需分配運算的策略，使模型在大部分簡單互動中保持了快速性，又能在關鍵時刻發揮深度推理能力。

這其實與騰訊的雙軌思路相似。 2025年2月13日，騰訊元寶接入DeepSeek R1滿血版，幾天之後就上線了「強推理深度思考模型」混元T1模型，隨即混元團隊官宣Turbo S模型上線測試，號稱在響應速度上比DeepSeek R1更快。 Turbo模型針對日常對話進行最佳化，弱化長鏈推理而追求即時回答能力。騰訊內部的AI助手「元寶」應用中，就整合了Turbo快思考和T1深思考兩種模型，允許用戶在需要詳細推理時調用T1，平時默認用Turbo即時回答。

這種雙軌策略，與阿里Qwen3單模型雙模式有異曲同工之妙，都是為不同複雜度的問題提供差異化模型，既保證效果又保證速度。

DeepSeek R1自從正式上線以來，其幻覺現象頻傳就成為了各大廠商瞄準的攻堅對象。

百度就是其中的代表。百度在國內大模型競爭中經歷了一個明顯的策略轉折：從最初堅持閉源、尋求商業變現，到在DeepSeek等衝擊下宣布開源、全面免費的重大轉向。

2025年3月16日，百度如期發布了文心大模型4.5。文心4.5定義為百度首個「原生多模態」大模型，具備圖像、文字、音訊等多模態聯合理解與生成能力。它引入了深度思考能力，能夠進行複雜問題的逐步推理，並整合了百度自研的iRAG檢索增強技術。

透過「深度搜尋」功能，文心4.5可以自動檢索外部知識以回答使用者問題，顯著降低了幻覺率，這也是百度迎戰DeepSeek的底氣所在。

在價格方面，百度也正在開始加碼。前幾天的百度AI開發者大會上發布的文心4.5Turbo，相比於文心4.5價格下降80%，每百萬token的輸入輸出價格僅為DeepSeek V3的40%。 DeepSeek的成本優勢正在大廠們的面前蕩然無存。

位元組跳動為了應對DeepSeek的競爭，則將自身的產品重心放在了多模態上。從旗下火山引擎團隊於2024年5月首次對外全面介紹了代號「豆包」的大模型家族，一口氣亮相了9個模型開始，豆包就著重多模態模型上的發展。

與其他廠商喜歡強調模型參數和基準測試成績不同，位元組刻意淡化參數規模與榜單，轉而突出實際落地效果和低使用門檻，力求讓大模型真正融入多樣化的實際場景。

本月中旬，豆包1.5深度思考模型上線，除了在數學推理、程式設計競賽、科學推理等專業領域上表現超越DeepSeek R1之外，最大的亮點是Doubao-1.5-thinking-pro-vision具備了視覺推理理解能力，同時豆包文生圖模型3.0版本發布，進一步豐富了多模態生態。

在位元組跳動的多模態策略背後，是敏銳感知到了大模型從技術概念轉向產品概念的路徑。後DeepSeek R1時代裡，單純追求參數規模與技術指標的提升已不足以建構產品護城河了。

位元組跳動帶著這家宇宙大廠的“互聯網基因”，加入了大模型競爭。多模型並進確保了其在文字、語音、圖像各方面全面開花；極低價格和廣泛產品植入為其贏得了規模和數據。

總的來看，除了單純的專業領域的基準測試刷分之外，價格、響應、多模態都已經成了各大廠商應對DeepSeek競爭的有力武器。當基礎語言對話能力難以拉開差距時，各大廠用產品思維找到了快速突圍DeepSeek的差異化功能。

開源生態的長短期利益結合

隨著DeepSeek、Llama、Qwen、智譜在開源生態建構上付出了越來越多的努力，開源已經成為主流路線之一。過去大廠傾向於閉源謀利，而如今開源被證明是贏得生態和快速迭代的有效途徑。 DeepSeek進一步刺激了大廠擁抱開源生態的決心，阿里全面開源千問證明了「模型開源是AI時代的主題」。

不難看出，國內大模型正走向一個比拼綜合實力和效率的時代，而不再僅以參數和單點性能論英雄。

Qwen3、DeepSeek以及騰訊、百度、位元組的各種「模型」迭代實踐，折射出了一種轉變：大家都在追求更高的性價比——既要性能足夠好，又要成本足夠低、應用足夠廣。

可以說，我們正在進入AI的下半場。

OpenAI的研究員姚順雨前段時間曾發長文，探討AI的下半場該專注於哪裡：“從現在開始，AI將從解決問題轉向定義問題。為了在’下半場’蓬勃發展，人們需要及時轉變思維方式和技能，更接近產品經理的水平。”

根據晚點訪談，阿里雲CTO、通義實驗室負責人周靖人對於開源大模型的戰略意義：首先，模型作為核心生產要素，開源能加速其普及，推動產業快速發展；其次，開源已成為大模型創新的重要驅動力。

可以預見的是：國內大模型的落地方向將更貼近實際應用，不再只是實驗室裡的模型比拼。這也給了開源大模型的參數效率、推理成本一個更激烈的競爭區域。