Qwen3参数概览：从0.6B到235B，混合推理与多模态的极致平衡(附本地部署参数推荐)

阿里云通义千问团队最新发布的Qwen3系列模型，以其多样化的模型规模和创新的混合推理模式引发业界关注。涵盖从0.6B到235B的八款模型，Qwen3不仅在语言、数学和编码任务上表现卓越，还通过MoE（混合专家）和Dense（密集）架构实现了性能与效率的极致平衡。以下通过表格形式，详细梳理Qwen3系列的核心参数和特性，揭示其技术内核。

Qwen3模型参数一览

模型名称	总参数量	激活参数量	架构类型	上下文长度	支持语言	许可证	主要特性
Qwen3-235B-A22B	2350亿	220亿	MoE	128K token	119种	Qwen License	旗舰模型，编码、数学、通用能力媲美DeepSeek-R1、Grok-3，高效推理
Qwen3-30B-A3B	300亿	30亿	MoE	128K token	119种	Qwen License	小型MoE，性能超Qwen2.5-32B，推理成本低，适合本地部署
Qwen3-32B	320亿	320亿	Dense	128K token	119种	Apache 2.0	高性能密集模型，适合复杂任务，推理能力匹敌Qwen2.5-72B
Qwen3-14B	140亿	140亿	Dense	128K token	119种	Apache 2.0	中等规模，平衡性能与资源占用，适合企业级应用
Qwen3-8B	80亿	80亿	Dense	128K token	119种	Apache 2.0	轻量高效，适用于边缘设备，性能媲美Qwen2.5-14B
Qwen3-4B	40亿	40亿	Dense	128K token	119种	Apache 2.0	小型模型，推理速度快，性能接近Qwen2.5-7B
Qwen3-1.7B	17亿	17亿	Dense	128K token	119种	Apache 2.0	超轻量，适合移动设备，性能匹敌Qwen2.5-3B
Qwen3-0.6B	6亿	6亿	Dense	128K token	119种	Apache 2.0	最小规模，极低资源需求，适用于低功耗场景

Qwen3 本地部署推荐参数设置

模式	Temperature	TopP	TopK	MinP	Presence Penalty	Ollama 设置	备注
思考模式	0.6 控制随机性，低值更稳定	0.95 累积概率采样，高值增多样性	20 选前K个词，平衡多样性	0 无概率下限，最大灵活性	0 ~ 2 减少重复，高值慎用	num_ctx=40960 num_predict=32768 keep_alive=-1	禁用贪婪解码，避免性能下降和重复。
非思考模式	0.7 稍高随机性，增创造性	0.8 较低值，输出更集中	20 选前K个词，平衡多样性	0 无概率下限，最大灵活性	0 ~ 2 减少重复，高值慎用	num_ctx=40960 num_predict=32768 keep_alive=-1	高 presence_penalty 可能导致语言混合

参数与特性解析

模型规模与架构类型

Qwen3系列提供两种架构：

• MoE（混合专家）：如Qwen3-235B-A22B和Qwen3-30B-A3B，通过激活部分参数（22B或3B）实现高效推理，总参数量虽大，但计算成本接近小规模密集模型。MoE架构在编码、数学等任务中表现出色，推理速度提升显著。
• Dense（密集模型）：从0.6B到32B的全参数模型，适合需要稳定高性能的场景。小模型（如Qwen3-0.6B）针对边缘设备优化，大模型（如Qwen3-32B）则在复杂推理任务中表现优异。

上下文长度

所有Qwen3模型支持128K token的上下文长度，可处理超长文档或多轮对话，生成能力高达8K token。这一特性使其在长文本生成、文档理解等任务中具备明显优势。

多语言支持

Qwen3支持119种语言和方言，覆盖中文、英文、欧洲语言及低资源语言，适用于全球化的多语言应用场景。

混合思维模式

Qwen3首创思考模式与非思考模式切换：

• 思考模式：通过链式推理（CoT）逐一推导，适合复杂数学、编码和逻辑推理任务。
• 非思考模式：快速响应简单查询，优化延迟和计算成本。

这一设计通过四阶段训练（长CoT冷启动、基于推理的RL、思维模式融合、通用RL）实现，显著提升任务适配性。

许可证与开源策略

• 密集模型（0.6B-32B）采用Apache 2.0许可证，适合商业应用。
• MoE模型（235B-A22B、30B-A3B）使用Qwen License，更适合研究场景。

性能与效率

基准测试表现

• Qwen3-235B-A22B：在MMLU-Pro、LiveCodeBench等测试中，与DeepSeek-R1、Grok-3等顶级模型竞争，编码和数学能力尤为突出。
• Qwen3-30B-A3B：激活仅3B参数，却超越Qwen2.5-32B，推理效率提升10倍，适合本地部署和实时应用。
• 小型模型：如Qwen3-4B，性能媲美Qwen2.5-72B，适合资源受限场景。

---

相关链接

• Qwen3 Github
• Qwen3官方博客