阿里開源大模型全球第一，但，最強大模型不開源了

大家好，我是 Ai 學習的老章

最近一周，阿里Qwen勢如破竹，沒有人可以阻止阿里的開源速度了

Qwen3-Next-80B-A3B 量化版

22 號阿里放出 FP8 版本的 Qwen3-Next-80B-A3B-Instruct-FP8 和 Qwen3-Next-80B-A3B-Thinking-FP8 模型，全面兼容 Transformers、vLLM 和 SGLang 框架，并采用 FP8 精度實現閃電級推理速度

這算是官方量化版了，我看了一下 Instruct 模型文件從之前的 163GB 降低到 82GB，少了一半，推理成本也低了，估計一張 H200 搞定。量化前的模型我試過，要 2 張 H200，而且還要吧 max-model-len 壓到 64K 才能跑起來。

Qwen3Guard 安全審核模型

23 號，阿里開源了 Qwen3 安全審核模型Qwen3Guard，一共 2 個，分兩類：

• Qwen3Guard-Gen，將安全性分類視為指令跟隨任務的生成模型；

• Qwen3Guard-Stream，在增量文本生成期間實時進行安全監控的標記級分類頭。

這兩類模型又分別有三種大小的模型（0.6B、4B 和 8B）

應用場景：

• Qwen3Guard-Gen（生成式版）支持對完整用戶輸入與模型輸出進行安全分類，適用于離線數據集的安全標注、過濾，亦可作為強化學習中基于安全性的獎勵信號源，是構建高質量訓練數據的理想工具。

• Qwen3Guard-Stream（流式檢測版）突破了傳統的護欄模型架構，首次實現模型生成過程中的實時、流式安全檢測，顯著提升在線服務的安全響應效率與部署靈活性。

這套模型確實很有價值，但是不太清楚如何與其他模型結合使用，Gen 版可以放在工作流最后一步做打標，Steam 版呢？

Qwen-Image-Edit-2509 更新

Qwen-Image-Edit-2509 的主要特性包括：

• 多圖編輯支持: 對于多圖輸入，Qwen-Image-Edit-2509 基于 Qwen-Image-Edit 結構，通過拼接方式進一步訓練，從而進行了支持。提供“人物 + 人物”，“人物 + 商品”，“人物 + 場景”等多種玩法。

• 單圖一致性增強: 對于單圖輸入，Qwen-Image-Edit-2509 顯著提高了一致性，主要體現在以下方面：

• • 人物編輯一致性增強: 增強人臉 ID 保持，支持各種形象照片、姿勢變換；

  • 商品編輯一致性增強: 增強商品 ID 保持，支持商品海報編輯；

  • 文字編輯一致性增強: 除了支持文字內容修改外，還支持多種文字的字體、色彩、材質編輯；

• 原生支持 ControlNet: 包括深度圖、邊緣圖、關鍵點圖等

僅看官方演示，可以媲美 nano-banana 了，實際體驗，大家感受：https://qwen.ai/home

Qwen3-VL 指令遵循 + 思考模型

Qwen 系列中最強大的視覺語言模型，分指令遵循和思考兩種

看測評數據，純文本性能一般，多模態能力各種遙遙領先，后面還有一個多模態大模型 Omini，感覺 VL 應該是更專注于文本，視頻，尤其是視頻，參數量和激活兩也都幾乎十倍于 Omini

Qwen3-Omni-30B-A3B-Thinking

Qwen3-Omni 是原生端到端多語言全模態基礎模型。它處理文本、圖像、音頻和視頻，并以文本和自然語音的形式提供實時流響應。在 36 個音頻/視頻基準測試中的 22 個達到 SOTA，在開源 SOTA 中達到 36 個中的 32 個；ASR、音頻理解和語音對話性能與 Gemini 2.5 Pro 相當。

模型名稱

描述

Qwen3-Omni-30B-A3B-Instruct

Qwen3-Omni-30B-A3B 的指令模型，包含思考者和說話者組件，支持音頻、視頻和文本輸入，輸出為音頻和文本。

Qwen3-Omni-30B-A3B-Thinking

Qwen3-Omni-30B-A3B 的思考模型，包含思考者組件，具備鏈式思維推理能力，支持音頻、視頻和文本輸入，輸出為文本。

Qwen3-Omni-30B-A3B-Captioner

從 Qwen3-Omni-30B-A3B-Instruct 微調而來的下游音頻細粒度字幕模型，可為任意音頻輸入生成詳細且低幻覺的字幕。它包含思考者組件，支持音頻輸入和文本輸出。

這套模型應該還更偏向于端測應用，但是不夠端，模型文件合集 64GB。

后續量化后能保持性能不大幅下降就完美了，目前?GPU 要就還是太高了。

模型

精度

15 秒視頻

30 秒視頻

60 秒視頻

120 秒視頻

Qwen3-Omni-30B-A3B-Instruct

BF16

78.85 GB

88.52 GB

107.74 GB

144.81 GB

Qwen3-Omni-30B-A3B-Thinking

BF16

68.74 GB

77.79 GB

95.76 GB

131.65 GB

這三個模型我最感興趣的是Qwen3-Omni-30B-A3B-Captioner，但是他的缺點也很致命：音頻長度不超過 30 秒，而且它是單輪模型，每次推理僅接受一個音頻輸入。它不接受任何文本提示，只支持音頻輸入，并僅輸出文本。取代 OpenAI 的 Whisper 估計沒戲。

Qwen3-Max：大就是好

Qwen3-Max-Instruct 的預覽版在 LMArena 文本排行榜上位列第三，超越了 GPT-5-Chat。正式版本在代碼能力和智能體（agent）能力方面進一步提升，在涵蓋知識、推理、編程、指令遵循、人類偏好對齊、智能體任務和多語言理解的全面基準測試中均達到業界領先水平。

Qwen3-Max 的推理增強版本—— Qwen3-Max-Thinking 正在訓練

一句話總結：很強，但不開源。