4月29日凌晨，阿里巴巴開源新一代通義千問模型 Qwen3，引數量僅為DeepSeek-R1 的1/3，成本大幅下降。
我自己衡量大模型會看三個點：成本、效率、體驗。
忽略成本談體驗，都是耍流氓。
真正的開發者和普通使用者，不僅會看哪個模型結果好，還會看哪個產品功能豐富，更會在意要花多少算力、多少錢、多長時間。
從資料來看，Qwen3 效能指標全面超越 R1、OpenAI-o1 等全球頂尖模型，登頂全球最強開源模型。
體驗連結：http://chat.qwenlm.ai
在 DeepSeek R2 出來之前，Qwen3 的模型能力是明確領先的，產品能力更是有跨越式優勢的。
比如 Qwen3 除了文字、程式碼、數學，還有影片、繪畫等能力和日常高頻的場景預設。
先看幾個影片效果：
Prompt：一隻胖胖的卡皮巴拉在吃草
Prompt：陽光透過樹林和綠葉灑下來
Prompt：火車穿越金黃的田野駛來
Prompt：跳動的柴火
Prompt：松鼠在落葉中演奏搖滾樂
Prompt：兩個女人表面微笑實則想殺了對方
推理能力、資料計算、程式碼能力等等，已經有不少朋友測試過了，是 Qwen3 的優勢強項。
而相對不引人注意的影片生成能力，看效果也已經達到了第一梯隊。
手機上通義APP也是滿血版，最新Qwen3模型生影片任意用
關鍵還是不限次數，開源免費的啊！！
市面上哪還有生圖、生影片產品，能不限制免費使用的。
真的用起來，只有一個感受：真香！
日常其他場景，體感上效果可以說是又快又好。比如我想研究一下 Agent 與 MCP 的關係：
思路很清晰，嚴謹，結果的完整度很高，還可以根據想要更快/更多思考，選擇需要的思考量。
比如有時候就想要一個直來直去的簡單回答，或者希望秒出答案也也給出思考過程，調節“思考長度”就很合適。
在更長的“思考長度”下，Qwen3 會執行更多中間步驟，如分解問題、逐步推導、驗證答案等，給出更深思熟慮的答案；而在“非推理模式”下，模型會直接生成答案。
同一個問題，Qwen 3 可以完成“快思考”和“慢思考”，這類似於人類在回答簡單問題時，憑經驗或直覺快速作答，面對複雜難題時再深思熟慮，仔細思考給出答案。
比如下面就是 Qwen3 一鍵生成的介紹自己的卡片效果：
回答數學、地理交叉學科的問題，Qwen3 也可以表現的很好：
比如下面這道題，曾難倒一眾大模型：
“一架飛機從北京起飛，先向北飛了 1000 公里，再向西飛了 1000 公里，再向南飛了 1000 公里，再向東飛了 1000 公里，這架飛機可以飛回北京嗎？”
由於地球是個球體，緯線長度隨緯度升高而變短，因此按照題目規定的路徑，飛機是無法飛回原地的。
Qwen3 呼叫數學和地理知識，不僅回答正確，還給出了擴充套件思考。
如果我是老師的話，我肯定要給 Qwen 更多分，公式步驟更全，計算過程更詳細。
日常問題的話，在通義APP上打字會更快、更方便順手。
再來一道弱智吧的題目：買一臺三千塊左右的電腦大概需要多少錢？
Qwen3 注意到了題目中存在的矛盾 —— 提到了「三千塊左右 」的預算，但又問「大概需要多少錢 」，由此猜測是使用者想了解電腦價格或配置。
於是，Qwen3 列出了 3000 元能買到筆記本、桌上型電腦和組裝桌上型電腦，分別介紹了它們的機型、配置和缺點，並以表格的形式給出了總結建議。
拿《2024年高考全國甲卷數學（理）》試題再來試一下。
答案也是完全正確。結果就是 、
要知道，設計和訓練混合推理模型的難度，是遠超單純的推理模型的。
訓練混合推理模型，有複雜的機制，相當於模型要學習兩種不同的輸出分佈，要做到兩個模式融合且基本不影響任何一種模式下的效果，很考驗訓練過程的訓練策略。
最終的效果也就是，Qwen3 在具體問題的表現上更好。
除了生產力和生活使用，我還試了一下一些有意思的小話題。
比如：將“I love Qwen3-235B-A22B”這句話的所有內容反過來寫
這個問題很多模型會出現CoT的問題，造成幻覺或者莫名其妙的奇葩回答。
但 Qwen3全部都對了。
再比如腦筋急轉彎一類的問題：“小紅有2個兄弟，3個姐妹，那麼小紅的兄弟有幾個姐妹？”
推理過程和最終答案也都沒問題。可見不同的幾類細分Qwen3模型，在基本表現上都是優秀線以上。
像之前我常測試的生成天氣預告卡片、貪吃蛇等等，對於Qwen3來說已經是基本操作了。
Prompt：建立一個 HTML 檔案，包含 CSS 和 JavaScript，用來生成動畫天氣卡片，卡片用不同的動畫形式直觀地表示以下天氣狀況：風 (例如移動的雲、搖曳的樹木)、雨 (例如落下的雨滴)、太陽 (例如閃耀的光線)、雪 (例如飄落的雪花、積雪)，並排顯示所有卡片，底部有一個漂亮的按鈕可以切換動畫速度。Qwen3 幾乎是秒出程式碼，速度非常快，在處理簡單任務時顯然有自己的算力分配邏輯。
再比如下面這個小球遊戲：
Prompt：編寫一個 Python 程式，展示一個球在旋轉的六邊形內彈跳。球應受到重力的影響，並且必須真實地反彈到旋轉的牆壁上。有一說一，這個小球在旋轉六邊形裡彈跳的程式，Qwen3 編得真不錯，既沒有出現小球掉出來的情況，也沒有彈跳角度不合理或者程式卡死的情況。
經典的貪吃蛇小遊戲也完成得很順利，也是秒出，就是審美很像80年代電腦介面，想要更好看的話Prompt要更長更細緻一點。
我又嘗試了一些好玩的，比如生成一個表情小遊戲，提示詞來自 @甲木
請你扮演一個Web遊戲開發者。設計並生成一個**表情符號反應堆 **的遊戲。1、核心創意: 一個快節奏的反應遊戲。螢幕上會快速閃過一個目標表情符號（例如：笑臉😄），下方會同時出現3-4個選項表情符號，玩家需要在限定時間內（例如1-2秒）點選與目標匹配的那個表情符號。2、玩法:- 螢幕中央顯示目標Emoji。- 下方按鈕區域快速重新整理3-4個Emoji選項，其中一個是正確的。- 玩家需在計時條走完前點選正確的Emoji。- 點選正確得分，速度加快；點選錯誤或超時則遊戲結束（或扣除生命值）。- 顯示最高分。3、技術實現 (HTML/JS/CSS):- HTML: 用於顯示目標Emoji、選項按鈕、計時條、得分。- CSS: 設計簡潔明快的介面，計時條動畫。- JavaScript:儲存一個Emoji列表。隨機選擇目標Emoji和干擾項。動態更新按鈕內容。實現計時器邏輯和倒計時動畫。處理點選事件，判斷對錯，更新得分/狀態。控制遊戲節奏（逐漸加快）。4、趣味點: 簡單上手，考驗反應速度，利用通用的Emoji增加親和力和趣味性，適合碎片時間玩。再來一個小遊戲，同樣是甲木的提示詞：
請你扮演一個Web遊戲開發者。設計並生成一個**單一的HTML檔案**，使用HTML Canvas、CSS和JavaScript，製作一個簡單的畫素風格寵物收集小遊戲。**重點要求：**1、一定要注意審美，做出來的網頁要有美感。2、頁面要有設計感，有足夠的傳播度**要求:**1. **遊戲內容 (由你生成):** * **遊戲名稱:** (例如：“畫素爪爪接星星” 或 “方塊萌寵大作戰”) * **寵物描述:** 描述一個簡單的畫素寵物形象（可以用文字描述其構成，例如“一個10x10畫素的橙色方塊身體，上方有兩個小三角形耳朵”），並給它起個名字。 * **玩法說明:** 簡要說明如何用左右箭頭鍵移動寵物，目標是接住從上方掉落的“金元寶”（或其他畫素物品），並顯示得分。2. **HTML結構:** * 包含標題、寵物描述和玩法說明。 * 一個 `<canvas>` 元素 (`id="gameCanvas"`) 用於繪製遊戲。 * 一個區域 (`id="score"`) 顯示當前得分。3. **CSS樣式 (內部 `<style>` 標籤):** * 基礎頁面佈局，將Canvas居中。 * 為Canvas新增一個簡單的邊框。 * 設定得分顯示區域的樣式。4. **JavaScript邏輯 (內部 `<script>` 標籤):** * 獲取Canvas 2D渲染上下文。 * 定義遊戲物件： * `player`: 包含 x, y, width, height, color (或簡單的畫素繪製函式) 和速度。 * `items`: 一個數組，儲存掉落物物件，每個物件包含 x, y, width, height, color (或形狀) 和下落速度。 * **繪製函式:** * `drawPlayer()`: 在Canvas上繪製玩家寵物（根據描述用 `fillRect` 繪製簡單的畫素形狀）。 * `drawItems()`: 遍歷 `items` 陣列並在Canvas上繪製所有掉落物。 * `clearCanvas()`: 清除畫布。 * **遊戲邏輯:** * `updatePlayer()`: 根據按鍵狀態（左右箭頭）更新玩家位置，限制在畫布邊界內。 * `updateItems()`: 更新每個掉落物的位置，移除掉到螢幕外的物品。隨機生成新的掉落物。 * `detectCollision()`: 檢測玩家與掉落物的碰撞。如果碰撞，增加得分，並從 `items` 陣列中移除該物品。 * `updateScore()`: 更新HTML中得分顯示。 * **輸入處理:** 新增 `keydown` 和 `keyup` 事件監聽器來控制玩家移動狀態。 * **遊戲迴圈:** 使用 `requestAnimationFrame(gameLoop)` 來持續呼叫更新和繪製函式。 * 初始化遊戲狀態（玩家位置、得分、物品陣列等）並啟動遊戲迴圈。請將完整的、包含HTML、CSS和JavaScript的單一HTML檔案程式碼輸出。確保包含了你生成的所有遊戲內容和說明。提示使用者在瀏覽器中開啟該HTML檔案即可玩。體驗下來，開源模型的效果，甚至超過了一眾的閉源模型。
這就釋放了非常強的生產力和商業化訊號，之前很多 AI 小龍小虎們引以為傲的模型能力，在 Qwen3 面前已經難以遁形。
Qwen3系列強大的模型，包括預訓練基礎模型和後訓練的對話模型，現在全部開源，使用者可以透過Hugging Face、魔搭社群（ModelScope）、Kaggle等主流平臺免費下載並進行商業使用。
開發者還可以透過阿里雲百鍊平臺呼叫API，並推薦使用SGLang、vLLM等框架進行部署。對於希望在本地體驗的使用者，Ollama、LMStudio、MLX、llama.cpp、KTransformers等工具也已提供支援。
普通使用者則可以透過通義官網或app直接體驗，夸克也即將接入。
阿里巴巴選擇了一條頗具挑戰但也充滿潛力的道路：堅持開源。
這在商業邏輯上可能需要更大的魄力，但從長遠來看，開源能夠匯聚全球開發者的智慧，加速技術迭代和應用落地，構建強大的生態。
Qwen系列每一次重要的更新，都伴隨著對開源社群的貢獻，這種“邊跑邊分享”的模式，贏得了不少開發者的尊重。
從追趕到並跑，甚至在某些方面開始領跑，千問系列的發展，是中國AI力量崛起的一個縮影。
它告訴我們，即使在最前沿、競爭最激烈的科技領域，只要有持續的投入、正確的方向和足夠的韌性，就能不斷突破，創造驚喜。
未來已來，只是分佈不均。
而Qwen3，正努力讓這未來的“算力”和“智力”，變得更加觸手可及。
開源帶來的不僅是技術平權，更是創意平權、使用平權。
比起邀請碼式的飢餓營銷、優先開放，Qwen3 的全面開源更有種坦蕩和大氣，引領更多普通人先一步看到AI未來。
我似乎已經看到，很多新的小型AI應用，將在 Qwen3 模型的基礎上綻放異彩，更多類似Manus的驚豔之作即將誕生！
這一次，Qwen3 和通義，夠誠意、夠敞亮！
通義APP可掃碼下載👆