Qwen 上演饱和式开源，一周三连发刷新 SOTA，硬刚顶流闭源模型,大模型入门到精通，收藏这篇就足够了！

这周 AI 圈的头条，被 Qwen 持续霸榜，短短一周，Qwen 一口气端出来三道主菜，一份甜点：

• • 周一：Qwen3-235B-Instruct 非思考模式（Non-thinking）更新，性能打平或超越一众国内外顶流闭源模型，对标 Claude 4 Opus 的非思考版本。
• • 周三：Qwen3-Coder-480B 登场，参数量高达 480B，Agentic Coding 能力媲美 Claude Sonnet。
• • 周四：虽然没有开源新模型，但基于 Qwen3 大模型打造的翻译模型 Qwen-MT 作为甜点级服务，支持 92 种语言和方言，优于 GPT-4o-mini 和 Gemini 2.5 Flash 等同量级模型。
• • 周五：Qwen3-235B-Instruct 思考模式（Thinking）上线，再次刷新 SOTA 分数，是目前全球最强的开源推理模型，性能对标闭源的 Gemini 2.5 Pro。
• 

这还没完，Qwen 团队已经预告了下周还要继续，暗示会发布 flash 级别的模型，更小、更快、更强。看来这明显是一次「有策划、有预谋」的模型发布，而我只想说：让这样的发布和霸榜，再来的猛烈一点吧！

AI 群里的朋友开玩笑说，现在每天不熬到凌晨不敢睡，以前是怕错过国外的 AI 新闻，现在是怕一觉醒来，Qwen 再次定义 SOTA。

当然，Qwen 并不是有意要熬夜发布，而是真实的 DDL 冲刺。Qwen3-Coder 熬了个通宵，Qwen2-235B-I 赶在周五下午下班前发布（这次轮到国外熬夜了）。毕竟，Qwen 的开源可不是简单地点一下上传，而是帮大家做了巨量的上下游 Infra 社区工作。

这波真得 Respect！Qwen 佬们一定要注意休息啊！flash 模型下周二再发布也不晚的！（狗头）

这样的发布节奏已经不只是「卷」能形容的了，想来想去，我觉得可以用「饱和式开源」来形容 Qwen 的工作。

先看最新发布的模型

距离 4 月底的 Qwen3 发布过去不到 3 个月，Qwen 就发布了这一次「小更新」。这次更新，Qwen3 的混合思维模式重新拆分回对话和推理两个模型，推理思维链的长度扩展到了最长 80k 还多：

在推理模式下，Qwen3-Instruct- 的分数相比于 Qwen3 大幅提升，在 AIME2024、LiveCodeBench v2、Arena-Hard 等多个测评集上反超了 Gemini 2.5 Pro 和 Claude 4 Sonnet 等闭源模型：

这是更详细的分数：

QwenChat 网站上已经更新到了最新的模型版本，可以免费体验：Qwen Chat

对于有条件自己部署的小伙伴，也可以到 HuggingFace 或魔搭获取模型：

• • https://huggingface.co/Qwen/
• • https://modelscope.cn/models/qwen/

卷的尽头还是阿里，为什么大家会选择 Qwen？

除了模型成绩，我今天想多聊一点 Qwen 的开源影响。

昨天有朋友问：「Qwen3 真能对标 Gemini 2.5 Pro 吗？」

我回答：「当一个 200B 级别的开源模型，被拉出来跟闭源 SOTA 进行比较的时候，它就已经不输了。」

很多普通用户对 Qwen 体会和感受并不明显，就说我是「千问吹」。我觉得挺荣幸，就是要吹，不吹怎么让 Qwen 有动力继续开源。

我觉得 Qwen 的成功在于做到了：尺寸全、场景全、开发者友好。

Qwen 现在是全球衍生模型生态最庞大的基础模型。其实早在 Qwen2.5 时代，Qwen 就已经超越了 Llama 的衍生模型数量，位居全球第一。今年以来，Qwen 也在不断巩固了自己开源霸主优势。

在 HuggingFace 上，基于 Qwen 的模型数量已经接近 15 万个，占到整个 HuggingFace 上所有模型的 7.9%。

作为对比，Llama 的衍生模型有 13.5 万个，BERT 有 4.2 万个，Mistral 有 3.5 万个，GPT 有 3.4 万个。

要知道，Qwen 官方也不过才发布了 327 个模型，相当于每个模型都衍生出了成百上千个第三方模型。

**这说明什么？**说明有海量的开发者在用真金白银的 GPU Hour 投票，自发地基于 Qwen 训练自己的模型。

为什么是 Qwen？

1. 1. 第一是尺寸全，从 0.5B 到 72B（以及 33B 的 Coder 模型），Qwen3 覆盖了几乎所有场景，且在每个尺寸上都能接近 SOTA 成绩。
2. 2. 第二则是场景全，除了文本模型，Qwen 还陆续开源了视觉模型、TTS 模型等多模态模型。
3. 3. 更重要的则是开发者友好。相比于有些模型只扔个权重，开发者要自己想办法适配框架，量化、踩坑。Qwen 的开源更像是「交钥匙工程」，省心省时省力。

Qwen 的每次发布，社区都会第一时间积极响应。HuggingFace、vLLM、Ollama、LMStudio 这些全球主流的工具和社区，几乎都能在第一时间完成兼容支持。这不是巧合，而是千问团队在模型发布前，投入了巨大精力去一个一个对接、调试、优化的结果。

这种对开发者关系的极致重视，让每个拿到 Qwen 模型的人都能立刻用起来，而不是对着一堆文件干瞪眼。

毫不夸张地说，学术界、产业界现在相当程度都在靠 Qwen 的基础模型做科研、做落地。高校的朋友跟我开玩笑说，组里有几个研究生，就指望 Qwen 的小模型基座毕业呢。

所以说，Qwen 的开源工作是最彻底、最扎实的，因而才能吸引到更多开发者，共同构建开放、繁荣、人人可用的技术生态。

---

国内开源 vs. 国外闭源，悄然发生的格局之变

如果我们再把视线拉远一点，会发现一个更大的竞争格局正在悄然改变。

大模型火了以后，美国一直是 AI 风向标。一年前，OpenAI 领跑模型和产品范式，Meta 是开源扛把子。但是现在，事情正在发生变化。

OpenAI 说要发布 GPT-2 以来的首个开源模型，但是一鸽再鸽；Meta 在经历了 Llama 4 的失利之后，决定转向闭源阵营；xAI 曾说会开源上一代模型，Grok 4 发布会只字不提 Grok 3 开源的事情。Claude、Gemini 向来闭源…

在国外的顶流巨头们走向「闭源保守」时，以 Qwen 为首的中国力量，扛起了开源的大旗。

这种悄然发生的战略反转说明，中国企业不再是先进技术的追随者和使用者，而是正在成为全球 AI 开源生态的「基础设施提供者」和「游戏规则制定者」。

所以我们看到，越来越多的国外开发者选择了 Qwen，成为 Qwen 的自来水：

这，就是这场技术竞赛中，属于中国开源力量的阳谋。

小结：开源定义未来，Qwen 已手握船票

总而言之，这周 Qwen 的三连发，意义远大于模型本身。

• • Qwen 用硬核技术和炸裂分数，打破了闭源模型的性能垄断；
• • Qwen 用最卷的「饱和式开源」，给大家带来了尺寸最全、场景最全的模型；
• • Qwen 用「交钥匙工程」的开发体验，把开源社区的朋友搞的多多的，赢得全球开发者的认可。

对于中小企业和开发者来说，创新的门槛，从未如此之低。曾经需要付出高昂成本的顶尖 AI 能力，现在触手可得，真正向着科技平权、AI 普惠迈进。

放眼全球，当硅谷巨头们在开源与闭源的十字路口犹豫徘徊，甚至出现战略倒退时，以 Qwen 为代表的中国 AI 力量，用最坚决的行动给出了自己的答案：

最彻底的开放，就是最坚固的护城河。

下一个时代，或许真的将由开源定义，而手握最强性能、最全矩阵、最大生态的通义千问，已经稳稳拿到了那张驶向未来、问鼎全球的，最重要的船票。

我们该怎样系统的去转行学习大模型 ？

很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包分享出来, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉优快云大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全链接，放心点击）👈

​

​

一、大模型经典书籍（免费分享）

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套大模型报告（免费分享）

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、大模型系列视频教程（免费分享）

四、2025最新大模型学习路线（免费分享）

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

​​​​​​​L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的
核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调；并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取

👉优快云大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全链接，放心点击）👈

​