Qwen3：集成思维与非思维模式的动态推理统一框架

In the rapidly evolving landscape of large language models (LLMs), a persistent challenge has been the trade-off between specialized capabilities. Models optimized for fast, conversational responses often lack the deep reasoning power required for complex tasks, while dedicated reasoning models can be slow and cumbersome for everyday use. The Qwen team addresses this fundamental dichotomy with the release of Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。, the latest iteration in their model family. This new series introduces a groundbreaking unified framework that seamlessly integrates thinking and non-thinking modes, alongside significant advancements in efficiency and multilingual support.

在快速发展的大型语言模型（LLM）领域，一个长期存在的挑战是专用能力之间的权衡。针对快速对话响应优化的模型通常缺乏复杂任务所需的深度推理能力，而专用的推理模型对于日常使用来说可能速度慢且笨重。Qwen团队通过发布其模型家族的最新版本Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。，解决了这一根本性的二分法。这个新系列引入了一个开创性的统一框架，无缝集成了思考模式和非思考模式，同时在效率和多语言支持方面取得了显著进步。

Key Innovations of Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。

Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。 is not merely an incremental update; it represents a paradigm shift in LLM architecture and usability. The series encompasses both dense and Mixture-of-Expert (MoE) architectures, with parameter scales ranging from a lean 0.6 billion to a substantial 235 billion, catering to diverse computational needs and application scenarios.

Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。不仅仅是一个增量更新；它代表了LLM架构和可用性的范式转变。该系列包含密集和混合专家（MoE）两种架构，参数规模从精简的6亿到庞大的2350亿不等，满足了不同的计算需求和应用场景。

1. The Unified Thinking/Non-Thinking Framework

The cornerstone of Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。's innovation is its ability to operate in two distinct cognitive modes within a single model:

• Thinking Mode (思考模式): This mode is activated for complex, multi-step reasoning tasks such as mathematical problem-solving, code generation, or intricate planning. It allows the model to engage in a deliberate, chain-of-thought process, significantly improving accuracy on challenging benchmarks.
• Non-Thinking Mode (非思考模式): For straightforward queries, conversational interactions, or information retrieval, this mode provides rapid, context-driven responses. It bypasses the extensive internal deliberation, resulting in lower latency and a more natural chat experience.

The true breakthrough lies in the dynamic switching between these modes. The model can automatically select the appropriate mode based on the user's query or a predefined chat template. This eliminates the need for users to manually switch between different specialized models (e.g., a chat-optimized model and a dedicated reasoning model), creating a fluid and intelligent user experience.

Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。创新的基石在于其能够在一个单一模型内以两种不同的认知模式运行：

• 思考模式：此模式针对复杂的多步推理任务（如数学解题、代码生成或复杂规划）而激活。它允许模型进行深思熟虑的思维链过程，显著提高了在具有挑战性基准测试上的准确性。
• 非思考模式：对于简单的查询、对话交互或信息检索，此模式提供快速、上下文驱动的响应。它绕过了广泛的内部思考过程，从而降低了延迟，提供了更自然的聊天体验。
  真正的突破在于这些模式之间的动态切换。模型可以根据用户的查询或预定义的聊天模板自动选择合适的模式。这消除了用户在专门模型（例如，聊天优化模型和专用推理模型）之间手动切换的需要，创造了流畅而智能的用户体验。

2. Thinking Budget Mechanism

Complementing the dual-mode framework is the novel Thinking Budget mechanism. This feature grants users fine-grained control over the model's computational expenditure during inference.

• Users can set a "budget" that dictates how much computational effort (e.g., how many reasoning steps or tokens) the model can allocate when in thinking mode.
• For a simple arithmetic check, a low budget ensures a quick answer. For a sophisticated physics problem, a higher budget can be allocated to enable deeper, more accurate reasoning.
• This mechanism provides a practical knob to balance latency (response time) and performance (answer quality) in real-time, based on the specific demands of the task at hand.

对双模式框架进行补充的是新颖的思考预算机制。此功能使用户能够在推理过程中对模型的计算开销进行细粒度控制。

• 用户可以设置一个“预算”，用于规定模型在思考模式下可以分配多少计算资源（例如，多少推理步骤或令牌）。
• 对于一个简单的算术检查，低预算可以确保快速得到答案。对于一个复杂的物理问题，则可以分配更高的预算以实现更深入、更准确的推理。
• 该机制提供了一个实用的调节旋钮，可以根据手头任务的具体需求，实时平衡延迟（响应时间）和性能（答案质量）。

3. Efficient Knowledge Distillation and Model Scaling

The Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。 series demonstrates remarkable efficiency in model development. By strategically leveraging the knowledge and capabilities of the largest, flagship models (e.g., the 235B parameter model), the team has successfully distilled this intelligence into much smaller-scale models.

• This knowledge transfer process significantly reduces the computational resources and data required to train high-performing smaller models.
• As a result, even the compact models in the Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。 family (like the 0.6B or 1.5B versions) achieve highly competitive performance, making advanced AI capabilities more accessible and deployable in resource-constrained environments.

Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。系列在模型开发方面展示了卓越的效率。通过战略性地利用最大旗舰模型（例如，2350亿参数模型）的知识和能力，团队成功地将这些智能提炼到规模小得多的模型中。

• 这种知识转移过程显著减少了训练高性能小模型所需的计算资源和数据。
• 因此，即使是Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。家族中的紧凑模型（如6亿或15亿参数版本）也能实现极具竞争力的性能，使得先进的AI能力在资源受限的环境中更易于获取和部署。

4. Expanded Multilingual Capabilities

Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。 makes a monumental leap in breaking down language barriers. Compared to its predecessor Qwen2.5, it dramatically expands language support.

• From 29 to 119 Languages and Dialects: This expansion covers a vast array of global languages, significantly enhancing the model's utility for non-English speakers and cross-lingual applications.
• Improved Cross-lingual Understanding and Generation: The model exhibits stronger capabilities in understanding queries in one language and generating responses in another, fostering true global accessibility.

Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。在打破语言障碍方面实现了巨大的飞跃。与其前身Qwen2.5相比，它极大地扩展了语言支持。

• 从29种语言扩展到119种语言和方言：此次扩展涵盖了全球众多语言，显著提升了模型对非英语使用者和跨语言应用的实用性。
• 改进的跨语言理解和生成能力：该模型在理解一种语言的查询并用另一种语言生成响应方面表现出更强大的能力，促进了真正的全球可访问性。

Empirical Performance and Benchmark Results

Empirical evaluations across a diverse suite of benchmarks confirm that Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。 achieves state-of-the-art (SOTA) or highly competitive performance. Key areas of strength include:

• Code Generation: Excelling in benchmarks like HumanEval and MBPP, demonstrating strong programming logic and syntax understanding.
• Mathematical Reasoning: Top-tier performance on datasets such as GSM8K and MATH, showcasing its enhanced thinking-mode capabilities.
• Agent Tasks: Effective performance in tasks requiring planning, tool use, and sequential decision-making.
• General Language Understanding: Strong results on MMLU, C-Eval, and other comprehensive evaluation suites.

Notably, Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。 models compete effectively against both larger MoE models and leading proprietary models, validating the efficiency and power of its architectural innovations.

在多样化基准测试套件上的实证评估证实，Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。实现了最先进（SOTA）或极具竞争力的性能。其主要优势领域包括：

• 代码生成：在HumanEval和MBPP等基准测试中表现出色，展示了强大的编程逻辑和语法理解能力。
• 数学推理：在GSM8K和MATH等数据集上表现顶尖，展示了其增强的思考模式能力。
• 智能体任务：在需要规划、工具使用和顺序决策的任务中表现有效。
• 通用语言理解：在MMLU、C-Eval和其他综合评估套件上取得优异成绩。
  值得注意的是，Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。模型能够有效地与更大的MoE模型和领先的专有模型竞争，验证了其架构创新的效率和能力。

Openness and Accessibility

In line with the Qwen team's commitment to open research, all Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。 models are released to the public under the Apache 2.0 license. This includes the model weights, code, and supporting documentation. This level of openness:

• Facilitates Reproducibility: Allows researchers worldwide to verify results and build upon the work.
• Accelerates Community-Driven R&D: Enables developers and companies to fine-tune, deploy, and innovate with Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。 for a wide range of applications without restrictive licensing barriers.
• Promotes Transparency: Contributes to a more open and collaborative ecosystem in AI development.

秉承Qwen团队对开放研究的承诺，所有Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。模型均根据Apache 2.0许可一种宽松的开源软件许可协议，允许用户自由使用、修改和分发软件。证向公众发布。这包括模型权重、代码和支持文档。这种开放程度：

• 促进可复现性：允许全球研究人员验证结果并在此基础上进行构建。
• 加速社区驱动的研发：使开发者和公司能够针对广泛的应用对Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。进行微调、部署和创新，而没有限制性的许可障碍。
• 促进透明度：有助于在AI开发中建立更开放、更协作的生态系统。

Conclusion and Future Outlook

Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。 represents a significant step forward in creating more versatile, efficient, and accessible large language models. By unifying reasoning and rapid response capabilities, introducing user-controllable inference budgets, and massively expanding multilingual support, it addresses several critical pain points in current LLM deployment. The combination of top-tier performance, architectural innovation, and a firm commitment to open-source principles positions Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。 as a formidable contender in the AI landscape and a valuable resource for the global community. Its release is likely to spur further innovation in adaptive model architectures and efficient scaling techniques.

Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。代表了在创建更通用、更高效、更易获取的大型语言模型方面迈出的重要一步。通过统一推理和快速响应能力、引入用户可控的推理预算以及大规模扩展多语言支持，它解决了当前LLM部署中的几个关键痛点。顶尖的性能、架构创新以及对开源原则的坚定承诺相结合，使Qwen3通义千问模型家族的最新版本，包含一系列大型语言模型，旨在提升性能、效率和多语言能力。成为AI领域一个强大的竞争者，也是全球社区的宝贵资源。它的发布可能会推动自适应模型架构和高效扩展技术的进一步创新。