Qwen3技术报告

摘要

在这项工作中，我们介绍了Qwen模型家族的最新版本Qwen3。Qwen3包含一系列旨在提升性能、效率和多语言能力的大型语言模型（LLMs），涵盖稠密和混合专家（MoE）架构，参数规模从6亿到2350亿不等。Qwen3的关键创新在于将思考模式（用于复杂多步推理）和非思考模式（用于快速上下文驱动响应）整合到统一框架中，无需在不同模型（如聊天优化模型GPT-4o和专用推理模型QwQ32B）之间切换，可根据用户查询或聊天模板动态切换模式。同时，Qwen3引入思考预算机制，允许用户在推理时自适应分配计算资源，平衡任务复杂度与延迟。此外，通过利用旗舰模型的知识，我们显著减少了构建小模型所需的计算资源，同时确保其性能具有竞争力。实验评估表明，Qwen3在代码生成、数学推理、代理任务等多种基准测试中均达到先进水平，可与更大规模的MoE模型和专有模型媲美。与前代Qwen2.5相比，Qwen3的多语言支持从29种扩展至119种语言和方言，通过增强跨语言理解和生成能力提升了全球可及性。为促进可复现性和社区驱动的研发，所有Qwen3模型均在Apache 2.0许可下开源。

1 引言

实现通用人工智能（AGI）或超级人工智能（ASI）一直是人类的目标。最近，大型基础模型如GPT-4o（OpenAI，2024）、Claude 3.7（Anthropic，2025）、Gemini 2.5（DeepMind，2025）、DeepSeek-V3（Liu等人，2024a）、Llama-4（Meta-AI，2025）和Qwen2.5（Yang等人，2024b）在这一目标上取得了显著