阿里的 Qwen 系列一直在进步，但总差点意思——要么中文好但代码弱，要么能力行但部署麻烦。

Qwen 3 这次补齐了短板。

混合推理

和 GPT-5、DeepSeek V4 的思路一致：模型自动判断是否需要深度推理。

简单问题快速回答，复杂问题启动思维链。用户不需要手动切换模式。

实测数学推理能力，和 DeepSeek V4 在同一水平线上。

MoE 架构

Qwen 3 也用了 MoE。最大的 Qwen3-235B 总参数 2350 亿，但每次推理只激活 220 亿。

这意味着推理成本极低。API 价格和 DeepSeek 一样便宜。

中文能力

这是 Qwen 的传统强项，3 代继续保持。

写中文文章、理解中文语境、处理中文代码注释——比 GPT-5 和 Claude 4 都更自然。

让它帮忙润色博客文章，出来的效果不需要大改。

本地部署

Qwen3-8B 和 Qwen3-32B 都可以用 Ollama 一键部署。

8B 版本在我的 3060 上跑得飞起，日常问答、代码补全完全够用。比同体量的 Llama 4 Scout 中文表现更好。

和 DeepSeek V4 怎么选

两个都是国产开源，两个都很强。

• 代码场景：DeepSeek V4 略强
• 中文写作：Qwen 3 略强
• 数学推理：两者接近
• 本地部署：两者体验差不多

都免费，都开源。两个都装上，按需切换就好。

国产开源的黄金时代

两年前聊国产大模型，总带着「凑合用」的心态。

现在 DeepSeek V4 和 Qwen 3 摆在这里，真的不比 GPT-5 差多少。某些场景甚至更好。

开源的力量在于——你不用等别人给你开放 API，自己跑就行。