阿里云Qwen3重大升级，已全面超越DeepSeek与Kimi

推荐语

阿里云Qwen3实现三大突破，性能超越DeepSeek与Kimi，甚至逼近GPT-4水平。

核心内容：
1. 轻量化部署方案：模型体积减半，30GB显存即可运行
2. 256K长上下文处理能力：媲美Kimi和Claude 3
3. 推理能力显著提升：在数学、编程等任务中表现惊艳

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

最近Qwen3悄悄更新了，更新后的版本超越了DeepSeek和刚刚发布的kimi K2，更新后的名字叫Qwen3‑235B‑A22B‑Instruct‑2507‑FP8。

看着名字有点怪怪的，但是这次的版本升级，不仅在多个权威榜单上实现超车，甚至在某些任务中已经逼近 GPT-4 的水平。

相比于上一代，Qwen3‑235B‑A22B‑Instruct‑2507‑FP8 这次有三大关键性的突破：

1. 更轻量的部署方案

过去大家跑个大模型，动辄就是百G显存起步，正常系统就不能部署。这次阿里把 FP8 精度量化方案引入到了 Qwen3 大模型中，模型文件体积从 437GB 减到 220GB 左右。

成本砍半，体验不减。只要你有一块 30GB 显存的显卡，就能跑一个当下最强的开源模型之一。

2. 上下文能力提升

长上下文处理能力一直都是kimi的强项，这次没想到Qwen3也增强了这部分的能力。目前支持 token 提升至 256K，完全能和 Kimi K2、Claude 3 相提并论。

根据官方在实际体验中，这种上下文处理能力对于代码补全、合同审查、长文摘要等任务表现非常突出。看的出来阿里不止是模仿，是在扎实的做好这部分功能。

3. 推理能力暴涨

Qwen3 在 AIME（美国高中数学邀请赛）基准测试中取得了70.3 分的高分，远远领先，GPT‑4o（26.7 分）DeepSeek‑V3（46.6 分）Claude 3 Opus（61.7 分）

不过我总感觉Qwen3 的70.3 分多少是有点水分的，因为这领先太夸张了。当然如果你知道AIME的权威的话可能就不同意我的说法了。

不仅仅是数学能力，Qwen3 在编程能力和Agent能力上也表现惊艳，在LiveCodeBench v6编程测试中，Qwen3获得51.8分，在BFCL-v3测试中，Qwen3以70.9的得分接近人类专业水平（97.3分）

从多个公开榜单来看

在 LMSYS Arena 的对比测试中，Qwen3 的指令微调版本得分已超过 DeepSeek R1 与 Kimi K2 Base，并且在 Hugging Face 与 OpenRouter 上，其调用量和社区讨论热度快速上升；

很多人低估了阿里在大模型上的战略野心。实际上，Qwen 系列不是单点突破，而是整个“通义千问”体系的一环。

这次的指令微调版本，不再像早期开源模型那样“什么都能聊，什么都不准”，而是明确面向实际任务优化了。

比如：多轮任务执行能力增强，工具调用接口更清晰，代码生成和调试能力更贴近 IDE 场景。看来是真的奔着真的可用、能部署、能赚钱的方向来的。

还有一个明显的信号，这次Qwen的升级并不是孤立的技术行为，而是与阿里系产品矩阵深度捆绑

比如钉钉已经内置了通义千问的能力，阿里云 API 也将 Qwen3 作为主力大模型提供调用，通义APP逐步构建起自己的 Copilot 能力，布局类 ChatGPT 智能体系统。

也就是说，阿里并不是在做一个模型，而是在构建一个“模型即平台”的生态系统。

在之前的文章中我也说过，AI生态系统的竞争可能是接下来AI最大的竞争方向，腾讯、字节、阿里都在朝着这个方向加速前进呢。