一次性讲清楚大模型王者 Qwen3 系列的 17 个模型，大模型入门到精通，收藏这篇就足够了！

原创最新推荐文章于 2026-03-10 00:11:05 发布 2.5k 阅读 AI写同款

Llama-Turbo

9901粉丝2022篇原创

关注

【Ai教程】Ollma安装 | 0代码本地运行Qwen大模型，保姆级教程来了！我们平时使用的ChatGPT、kimi、豆包等Ai对话工具，其服务器都是部署在各家公司的机房里，如果我们有一些隐私数据发到对话中，很难保证信息是否安全等问题，如何在保证数据安全的情况下，又可以使用大预言模型，Ollma（哦拉玛）可以告诉你答案！阅读详情

AI摘要

本文详细介绍了Qwen3系列模型的发展历程及17个模型的特点，涵盖不同阶段的性能对比和适用场景。同时提供本地部署方法、学习路径以及丰富的学习资源，帮助用户从入门到精通大模型。

Qwen3 模型发展历程

第一阶段

2025年4月29日，阿里推出了 Qwen3 模型，包含8个模型，覆盖各种 GPU 要求。

1. 两个 MoE 模型：Qwen3-235B-A22B 和 Qwen3-30B-A3B
1. 六个 Dense 模型：Qwen3-32B、Qwen3-14B、Qwen3-8B、Qwen3-4B、Qwen3-1.7B 和 Qwen3-0.6B

其中 Qwen3-235B-A22B 是最优模型，各项评分超过 DeepSeek-R1、Qwen32B 和 OpenAI-o1，与 Gemini-2.5-Pro 的比较中，各有优势，官方比较指标如下：

Qwen3-30B-A3B 相较于上一代的 Qwen32B，也更胜一筹。

综合官方的比较，发现 Qwen3 的8个模型的从优到劣分别是：Qwen3-235B-A22B > Qwen3-32B > Qwen3-30B-A3B > …，本地24G显存可以部署 Qwen3-32B 和 Qwen3-30B-A3B 的量化版。

第二阶段

2025年7月21日到8月8日，阿里推出了 Qwen3 的升级模型，核心包含6个模型。

1. Qwen3-235B-A22B-Instruct-2507 和 Qwen3-235B-A22B-Thinking-2507，是针对上一代旗舰模型 Qwen3-235B-A22B 的升级，前者是非思考模式，后者是思考模式模型。是新的旗舰模型。
1. Qwen3-30B-A3B-Instruct-2507 和 Qwen3-30B-A3B-Thinking-2507，是针对 Qwen3-30B-A3B 的升级，前者是非思考模式，后者是思考模式模型。
1. Qwen3-4B-Instruct-2507 和 Qwen3-4B-Thinking-2507，是针对 Qwen3-4B 的升级，前者是非思考模式，后者是思考模式模型。

其中 Qwen3-235B-A22B-Instruct-2507 与其他开闭源模型的性能对比如下，可以说是遥遥领先。

Qwen3-30B-A3B-Thinking-2507 的性能评测图如下，在大部分场景超过了上一代的 Qwen3-235B-A22B 模型的思考模式。

Qwen3-30B-A3B-Instruct-2507 的性能评测图如下，全面大幅度超过了上一代的 Qwen3-235B-A22B 模型非思考模式。

本地24G显存最高可以部署 Qwen3-30B-A3B-Instruct-2507 和 Qwen3-30B-A3B-Thinking-2507 的量化版本。

除了以上的通用模型之外，Qwen3 还提供了两个垂类编码模型 Qwen3-Coder-480B-A35B-Instruct 和 Qwen3-Coder-30B-A3B-Instruct

第三阶段

2025年9月5日，阿里推出了当前系列的最强模型 Qwen3-Max-Preview，估计很快就会推出 Qwen3-Max 正式版，该模型具有1万亿参数，是同系列 Qwen3-235B-A22B 参数的四倍。官方测评如下，超过了 Qwen3-235B-A22B-Instruct-2507/Kimi K2/Claude Opus4/Deepseek-V3.1

该模型当前可以在 https://chat.qwen.ai/ 免费使用。

综上所述，如果是远程使用模型，则可以选择 Qwen3-Max-Preview；如果是本地使用模型，24G 显存可以选择 Qwen3-30B-A3B-Instruct-2507 和 Qwen3-30B-A3B-Thinking-2507 的量化版本。

本地使用

通过 ollama 进行安装，确保先安装过 ollama，若无，先参考 https://www.aileading.cn/docs/llm/ollama.html 安装 ollama。

在 ollama 官网 https://ollama.com/library/qwen3 选择一个适合自己显存的模型进行下载。下载的过程中，如果发现突然变慢，可以 ctrl+c 终止下载流程，之后继续使用如下命令进行下载（会接着之前的进度）

复制命令，在 cmd 中执行，即可下载并运行模型

ollama run qwen3:30b-a3b-thinking-2507-q4_K_M

如果模型没有下载过，则会先下载模型，再运行。简单测试：

>>> 0.8和0.11谁大
0.8 比 0.11 大。

### 解释：
- 0.8 可以写成 0.80（小数点后补零，便于比较）。
- 比较小数部分：0.80 的十分位是 8，0.11 的十分位是 1。
- 8 > 1，因此 0.80 > 0.11。
- 用分数验证：0.8 = 80/100，0.11 = 11/100，80/100 > 11/100。

所以，**0.8 > 0.11**。
（简单来说：0.8 是 8 个十分之一，0.11 是 11 个百分之一，相当于 1.1 个十分之一，所以 0.8 更大。）

目前在终端中就可以使用 Qwen3 模型了，但是终端的界面不太友好，接下来通过 PageAssist 图形化界面进行使用，关于 PageAssist 的安装和使用见 https://www.aileading.cn/docs/llm/page-assist.html。也可以使用 OpenWebUI 图形界面使用，关于 OpenWebUI 的安装和使用见 https://www.aileading.cn/docs/llm/open-web-ui.html

大模型算是目前当之无愧最火的一个方向了，算是新时代的风口！有小伙伴觉得，作为新领域、新方向人才需求必然相当大，与之相应的人才缺乏、人才竞争自然也会更少，那转行去做大模型是不是一个更好的选择呢？是不是更好就业呢？是不是就暂时能抵抗35岁中年危机呢？

答案当然是这样，大模型必然是新风口！