今天凌晨，阿里云正式发布了 Qwen3 系列，一口气开源了从 0.6B 到 235B 共 8 款模型：2 个 MoE 大模型和 6 个 Dense 大模型，构成了阿里完整的模型矩阵。
这次 Qwen3 的开源重塑了大模型标准，可以说在“后 DeepSeek R1”时代，以阿里为代表的国内大厂，正在借助产品化思维，以性价比和多模态能力全方位抢夺 DeepSeek 的市场影响力。
01
Qwen3 再一次拉高了世界开源标准
这回阿里云开源的 Qwen3，在架构、性能、推理速度和应用方向上均有较大创新和提升。Qwen3 系列在模型架构上采用了 MoE（混合专家）架构。
旗舰模型 Qwen3-235B-A22B 拥有约 2350 亿的总参数量，在每次推理时仅仅激活约 220 亿参数，性能极其耐打，在综合能力、代码与数学、多语言能力、知识与推理等多项基准测试中，都能与 DeepSeek R1、OpenAI o1、o3-mini、Grok 3 和谷歌 Gemini 2.5 Pro 等目前市场上的主流大模型相抗衡。
一个亮点是：Qwen3-4B 模型凭借极低的参数量，在一系列基准测试中与 GPT-4o（2024-11-20 版本）打了个有来有回。这体现了阿里在推理效率上的提升并非以牺牲能力为代价。
其轻量化模型 Qwen3-30B-A3B 和 32B，在许多任务上的表现也足够令人满意。
除了基准测试上亮眼的表现外，Qwen3 系列这回的一个主要创新特点是：混合思考模式。这种设计让用户能根据任务难度控制模型的推理量：思考模式下，模型能够逐步推理，适合复杂问题，强调深度思考。无思考模式：模型快速响应，适合简单问题，优先速度。难问题用更多推理，简单问题快速解答。
并且，Qwen3 为了在国际应用端扩展影响力，已经能够支持 119 种语言和方言。外网的各国网友对其的评价都很不错，横向对比的话，Qwen3 已经追上或者超越了 OpenAI o1、谷歌 Gemini 2.5 Pro。
Qwen3 还针对最近半年爆火的“AI 智能体”概念做出了优化，强调了“智能体”能力。比如它们强化了 Qwen3 模型的编码和代理能力，并增强了对 MCP 的支持，让 Qwen3 学会如何思考以及如何与环境交互。
在预训练方面，Qwen3 的数据集相比 Qwen2.5 几乎翻了一倍，达到了 3.6 万亿个 token，覆盖了更广泛的领域知识和语境，再度提升了在复杂任务处理和多语言场景中的表现。
这回 Qwen3 系列的开源，统一采用 Apache 2.0 开源协议开放权重。通过“小杯-中杯-大杯-超大杯”的产品逻辑构建了一个完整的“Qwen 宇宙”。
综合来看，Qwen3 在单纯的技术性能、成本价格、工具调用和 MCP 调用等所有方面获得了全面的提升，其已经将开源世界的标准提升了一个层次。
02
DeepSeek 光环下的大厂百态
4 月 25 日的 2025 百度 AI 开发者大会上，百度创始人李彦宏点名批评 DeepSeek“不是万能的，它只能处理单一的文本，不能理解声音、图片、视频等多模态内容。更大的问题是慢和贵，中国市场上绝大多数大模型 API 的价格都更低，而且反应速度更快。”
他点出了 DeepSeek 庞大光环下，中国的大厂正在走向用性价比抗衡 DeepSeek 的现状：用更小参数，更低成本的方式，实现更快的响应，完成不属于 DeepSeek 的多模态效果。
阿里的 Qwen3 迅速引入 MoE 架构和双模式推理设计，将庞大模型在实际使用中的成本大幅降低。凭借 DeepSeek R1 三分之一的参数量，性能全面超越 R1。
首先，Qwen3 的 MoE 架构使得推理过程中仅激活部分专家，从而降低了实际计算开销。例如，Qwen3-235B-A22B 虽然总参数达 235B，但每个 token 只需计算其中约9%（22B）的参数。这意味着在相近硬件条件下，其推理延迟并不像参数规模看上去那样高不可攀。
其次，Qwen3 的双模式推理设计高效地分配算力。在“非思考模式”下，模型可直接生成答案，实现接近即时的响应；而在需要“思考模式”时，才投入额外计算资源进行多步推理。这种按需分配计算的策略，使模型在大部分简单交互中保持了快速性，又能在关键时刻发挥深度推理能力。
这其实与腾讯的双轨思路相似。2025 年 2 月 13 日，腾讯元宝接入 DeepSeek R1 满血版，几天之后就上线了 “强推理深度思考模型”混元 T1 模型，随即混元团队官宣 Turbo S 模型上线测试，号称在响应速度上比 DeepSeek R1 更快。Turbo 模型针对日常对话进行优化，弱化长链推理而追求即时回答能力。腾讯内部的 AI 助手“元宝”应用中，就集成了 Turbo 快思考和 T1 深思考两种模型，允许用户在需要详细推理时调用 T1，平时默认用 Turbo 即时回答。
这种双轨策略，与阿里 Qwen3 单模型双模式有异曲同工之妙，都是为不同复杂度的问题提供差异化模型，既保证效果又保证速度。
DeepSeek R1 自从正式上线以来，其幻觉现象频发就成为了各大厂商瞄准的攻坚对象。
百度就是其中的代表。百度在国内大模型竞争中经历了一个明显的策略转折：从最初坚持闭源、寻求商业变现，到在 DeepSeek 等冲击下宣布开源、全面免费的重大转向。
2025 年 3 月 16 日，百度如期发布了文心大模型 4.5。文心 4.5 被定义为百度首个“原生多模态”大模型，具备图像、文本、音频等多模态联合理解与生成能力。它引入了深度思考能力，能够进行复杂问题的逐步推理，并集成了百度自研的 iRAG 检索增强技术。
通过“深度搜索”功能，文心 4.5 可以自动检索外部知识以回答用户问题，显著降低了幻觉率，这也是百度迎战 DeepSeek 的底气所在。
在价格方面，百度也正在开始加码。前几天的百度 AI 开发者大会上发布的文心 4.5Turbo，相比于文心 4.5 价格下降 80%，每百万 token 的输入输出价格仅为 DeepSeek V3 的 40%。DeepSeek 的成本优势正在大厂们的面前荡然无存。
字节跳动为了应对 DeepSeek 的竞争，则将自身的产品重心放在了多模态上。从旗下火山引擎团队于 2024 年 5 月首次对外全面介绍了代号“豆包”的大模型家族，一口气亮相了 9 个模型开始，豆包就着重多模态模型上的发展。
与其他厂商喜欢强调模型参数和基准测试成绩不同，字节刻意淡化参数规模与榜单，转而突出实际落地效果和低使用门槛，力求让大模型真正融入多样化的实际场景。
本月中旬，豆包 1.5 深度思考模型上线，除了在数学推理、编程竞赛、科学推理等专业领域上表现超越 DeepSeek R1 之外，最大的亮点是 Doubao-1.5-thinking-pro-vision 具备了视觉推理理解能力，同时豆包文生图模型 3.0 版本发布，进一步丰富了多模态生态。
字节跳动的多模态战略背后，是敏锐感知到了大模型从技术概念转向产品概念的路径。后 DeepSeek R1 时代里，单纯追求参数规模和技术指标的提升已不足以构建产品护城河了。
字节跳动带着这家宇宙大厂的“互联网基因”，加入了大模型竞争。多模型并进确保了其在文本、语音、图像各方面全面开花；极低价格和广泛产品植入为其赢得了规模和数据。
总的来看，除了单纯的专业领域的基准测试刷分之外，价格、响应、多模态都已经成了各大厂商应对 DeepSeek 竞争的有力武器。当基础语言对话能力很难拉开差距时，各大厂用产品思维找到了迅速突围 DeepSeek 的差异化功能。
03
开源生态的长短期利益结合
随着 DeepSeek、Llama、Qwen、智谱在开源生态构建上付出了越来越多的努力，开源已经成为主流路线之一。过去大厂倾向于闭源谋利，而如今开源被证明是赢得生态和快速迭代的有效途径。DeepSeek 进一步刺激了大厂拥抱开源生态的决心，阿里全面开源千问证明了 “模型开源是 AI 时代的主题”。
不难看出，国内大模型正走向一个比拼综合实力和效率的时代，而不再仅以参数和单点性能论英雄。
Qwen3、DeepSeek 以及腾讯、百度、字节的各种“模型”迭代实践，折射出了一种转变：大家都在追求更高的性价比——既要性能足够好，又要成本足够低、应用足够广。
可以说，我们正在进入 AI 的下半场。
OpenAI 的研究员姚顺雨前段时间曾发长文，探讨 AI 的下半场该专注于哪里：“从现在开始，AI 将从解决问题转向定义问题。为了在‘下半场’蓬勃发展，人们需要及时转变思维方式和技能，更接近产品经理的水平。”
根据晚点访谈，阿里云 CTO、通义实验室负责人周靖人对于开源大模型的战略意义：首先，模型作为核心生产要素，开源能加速其普及，推动产业快速发展；其次，开源已成为大模型创新的重要驱动力。
可以预见的是：国内大模型的落地方向将更加贴近实际应用，不再只是实验室里的模型比拼。这也给开源大模型的参数效率、推理成本提供了一个更加激烈的竞争区域。
