智東西

(資料圖片)

作者 | 程茜

編輯 | 心緣

智東西9月12日?qǐng)?bào)道，今天凌晨，阿里通義實(shí)驗(yàn)室正式發(fā)布下一代基礎(chǔ)模型架構(gòu)Qwen3-Next，并訓(xùn)練了基于該架構(gòu)的Qwen3-Next-80B-A3B-Base模型，該模型擁有800億個(gè)參數(shù)僅激活30億個(gè)參數(shù)。

Base模型在Qwen3預(yù)訓(xùn)練數(shù)據(jù)的子集15T tokens上進(jìn)行，僅需Qwen3-32B 9.3%的GPU計(jì)算資源，針對(duì)超過32k的上下文，推理吞吐量可達(dá)到Qwen3-32B的10倍以上。

同時(shí)，基于Base模型，阿里開源了Qwen3-Next-80B-A3B的指令模型（Instruct）和思維模型（Thinking），模型支持原生262144個(gè)token上下文長度，可擴(kuò)展至1010000個(gè)token。

其中，Qwen3-Next-80B-A3B-Instruct僅支持指令（非思考）模式，其輸出中不生成塊；Qwen3-Next-80B-A3B-Thinking僅支持思考模式，為了強(qiáng)制模型進(jìn)行思考，默認(rèn)聊天模板自動(dòng)包含。

指令模型的性能表現(xiàn)與參數(shù)規(guī)模更大的Qwen3-235B-A22B-Instruct-2507相當(dāng)，思維模型優(yōu)于谷歌閉源模型Gemini-2.5-Flash-Thinking。

▲指令模型測試基準(zhǔn)

▲思維模型測試基準(zhǔn)

在架構(gòu)升級(jí)方面，相比阿里4月底的Qwen3 MoE模型，新增了混合注意力機(jī)制、高稀疏度MoE結(jié)構(gòu)、一系列訓(xùn)練穩(wěn)定友好的優(yōu)化，以及提升推理效率的多Token預(yù)測（MTP）機(jī)制等。

新模型已在魔搭社區(qū)和HuggingFace開源，開發(fā)者們也可通過Qwen Chat免費(fèi)體驗(yàn)或阿里云百煉、NVIDIA API Catalog體驗(yàn)Qwen3-Next。

開發(fā)者在Qwen的X評(píng)論區(qū)稱贊其新增的多Token預(yù)測（MTP）機(jī)制，稱這是最令人印象深刻的部分。

阿里云百煉：https://bailian.console.aliyun.com/?tab=model#/model-market/detail/qwen3?modelGroup=qwen3

一、指令模型接近235B旗艦?zāi)Ｐ停评砟Ｐ统珿emini-2.5

Qwen3-Next模型支持原生262144個(gè)token上下文長度，可擴(kuò)展至1010000個(gè)token。

總的來看在性能方面，指令模型接近阿里參數(shù)規(guī)模235B的旗艦?zāi)Ｐ停季S模型表現(xiàn)優(yōu)于Gemini-2.5-Flash-Thinking。

其基座模型為Qwen3-Next-80B-A3B-Base，僅使用1/10的Non-Embedding激活參數(shù)，在大多數(shù)基準(zhǔn)測試中，性能表現(xiàn)與Qwen3-32B-Base相近。但其總訓(xùn)練成本為Qwen3-32B-Base的10%不到，并且對(duì)于超過32K上下文的推理吞吐是Qwen3-32B的10倍以上。

得益于其新的混合模型架構(gòu)，Qwen3-Next在推理效率方面，與Qwen3-32B相比，Qwen3-Next-80B-A3B在預(yù)填充（prefill）階段，在4k tokens的上下文長度下，吞吐量接近前者的7倍，當(dāng)上下文長度超過32k時(shí)，吞吐提升達(dá)到10倍以上。

在解碼（decode）階段，該模型在4k上下文下實(shí)現(xiàn)近4倍的吞吐提升，在超過32k的長上下文場景中能保持10倍以上的吞吐優(yōu)勢(shì)。

具體來看，其指令模型表現(xiàn)優(yōu)于Qwen3-30B-A3B-Instruct-2507和Qwen3-32B-Non-thinking，并取得了幾乎與參數(shù)規(guī)模更大的Qwen3-235B-A22B-Instruct-2507模型相近的結(jié)果。

只有在面向大模型的綜合性評(píng)測基準(zhǔn)、高難度數(shù)學(xué)推理基準(zhǔn)AIME25中，指令模型的表現(xiàn)略遜色于Qwen3-235B-A22B-Instruct-2507，在編程、復(fù)雜問答與長對(duì)話的評(píng)測中表現(xiàn)更好。

Qwen3-Next-80B-A3B-Instruct在RULER上所有長度的表現(xiàn)明顯優(yōu)于層數(shù)相同、注意力層數(shù)更多的Qwen3-30B-A3B-Instruct-2507，甚至在256k范圍內(nèi)都超過了層數(shù)更多的Qwen3-235B-A22B-Instruct-2507。

思維模型的表現(xiàn)優(yōu)于預(yù)訓(xùn)練成本更高的Qwen3-30B-A3B-Thinking-2507、Qwen3-32B-thinking，全面超過了谷歌的閉源模型Gemini-2.5-Flash-Thinking，并在部分指標(biāo)上接近阿里最新旗艦?zāi)Ｐ蚎wen3-235B-A22B-Thinking-2507。

二、混合注意力、MoE、穩(wěn)定優(yōu)化、多Token預(yù)測加持

研究人員在博客中提到，Qwen3-Next是針對(duì)大模型在上下文長度和總參數(shù)兩方面不斷擴(kuò)展（Scaling）的未來趨勢(shì)而設(shè)計(jì)。

Qwen3-Next采用的是Qwen3 36T預(yù)訓(xùn)練語料的一個(gè)均勻采樣子集，包含15T tokens。其訓(xùn)練所消耗的GPU Hours不到Qwen3-30A-3B的80%；與Qwen3-32B相比，僅需9.3%的GPU計(jì)算資源，即可實(shí)現(xiàn)更優(yōu)的模型性能。

這一模型結(jié)構(gòu)相較其4月底推出的Qwen3的MoE模型，新增了多種新技術(shù)并進(jìn)行了核心改進(jìn)，包括混合注意力機(jī)制、高稀疏度MoE結(jié)構(gòu)、一系列訓(xùn)練穩(wěn)定友好的優(yōu)化，以及提升推理效率的多Token預(yù)測（MTP）機(jī)制等。

混合注意力機(jī)制：用Gated DeltaNet（線性注意力）和Gated Attention（門控注意力）的組合替換標(biāo)準(zhǔn)注意力，實(shí)現(xiàn)超長上下文長度的有效上下文建模。

研究人員發(fā)現(xiàn)Gated DeltaNet相比常用的滑動(dòng)窗口注意力（Sliding Window Attention）和Mamba2有更強(qiáng)的上下文學(xué)習(xí)能力, 并在3:1的混合比例下，即75%層使用Gated DeltaNet，25%層保留標(biāo)準(zhǔn)注意力，能一致超過超越單一架構(gòu)，實(shí)現(xiàn)性能與效率的雙重優(yōu)化。

同時(shí)在保留的標(biāo)準(zhǔn)注意力中，研究人員進(jìn)一步引入多項(xiàng)增強(qiáng)設(shè)計(jì)，包括沿用先前工作的輸出門控機(jī)制，緩解注意力中的低秩問題，將單個(gè)注意力頭維度從128擴(kuò)展至256，僅對(duì)注意力頭前25%的位置維度添加旋轉(zhuǎn)位置編碼，提高長度外推效果。

高稀疏度混合專家（MoE）：在MoE層中實(shí)現(xiàn)極低的激活比率，大幅減少每個(gè)token的FLOPs，同時(shí)保留模型容量。研究人員的實(shí)驗(yàn)表明，在使用全局負(fù)載均衡后，當(dāng)激活專家固定時(shí)，持續(xù)增加專家總參數(shù)可帶來訓(xùn)練loss的穩(wěn)定下降。

此前，Qwen3系列的MoE專家激活比約為1比16，Qwen3-Next實(shí)現(xiàn)了1比50的激活比。

穩(wěn)定性優(yōu)化：包括零中心化和權(quán)重衰減layernorm等技術(shù)，以及其他增強(qiáng)穩(wěn)定性以實(shí)現(xiàn)魯棒的預(yù)訓(xùn)練和后訓(xùn)練。研究人員發(fā)現(xiàn)，注意力輸出門控機(jī)制能消除注意力池與極大激活等現(xiàn)象，保證模型各部分的數(shù)值穩(wěn)定。

多Token預(yù)測（MTP）：提升預(yù)訓(xùn)練模型性能并加速推理，Qwen3-Next特別優(yōu)化了MTP多步推理性能，通過訓(xùn)練推理一致的多步訓(xùn)練，進(jìn)一步提高了實(shí)用場景下的Speculative Decoding接受率。

結(jié)語：3B激活參數(shù)對(duì)標(biāo)旗艦?zāi)Ｐ停“⒗飸{架構(gòu)創(chuàng)新為模型降本提速Q(mào)wen3-Next的突破點(diǎn)在于同時(shí)實(shí)現(xiàn)了大規(guī)模參數(shù)容量、低激活開銷、長上下文處理與并行推理加速。此外結(jié)合注意力機(jī)制、MoE設(shè)計(jì)等方面的多項(xiàng)架構(gòu)創(chuàng)新，阿里通義此次實(shí)現(xiàn)僅激活3B參數(shù)模型就能對(duì)標(biāo)規(guī)模更大模型的性能，使得模型在性能與效率之間找到更佳平衡點(diǎn)，同時(shí)為降低模型訓(xùn)練、推理成本提供了有效路徑。 研究人員在博客提到，未來他們將持續(xù)優(yōu)化這一架構(gòu)并開發(fā)Qwen3.5。與此同時(shí)近期阿里通義已經(jīng)推出數(shù)個(gè)不同領(lǐng)域的模型，如超萬億參數(shù)的Qwen3-Max-Preview、文生圖及編輯模型Qwen-Image-edit、語音識(shí)別模型Qwen3-ASR-Flash等。隨著其多領(lǐng)域模型的持續(xù)落地與開源，阿里通義在開源社區(qū)的技術(shù)影響力正逐步增強(qiáng)。