阿里剛剛開源Qwen3新思考模型：Agent能力超強，支持100萬上下文
今天凌晨，阿里巴巴開源了Qwen3家族最新模型Qwen3-30B-A3B-Thinking-2507。
2507與之前阿里開源的Qwen3-30B-A3B-Thinking和Qwen3-235B-A22B-Thinking相比，在Agent智能體、AIME25數(shù)學(xué)、LiveCodeBench編程、GPQA解決復(fù)雜能力等方面，性能全部實現(xiàn)大幅度提升。
同時，2507也超過了谷歌的最新小參數(shù)模型Gemini-2.5-Flash-Thinking。
開源地址：https://huggingface.co/Qwen/Qwen3-30B-A3B-Thinking-2507
https://modelscope.cn/models/Qwen/Qwen3-30B-A3B-Thinking-2507
對于阿里的新模型，網(wǎng)友表示，瘋狂優(yōu)秀的本地模型，絕對是我能在 20GB 以內(nèi)裝下的最佳選擇。思考模式真的帶來了天壤之別，恭喜你們，太給力了！
對于這么小的一個模型而言，它在各方面的性能提升都令人印象深刻。
不錯，性能很強?，F(xiàn)在只需要融合多模態(tài)能力，并支持 8 小時的音頻和視頻轉(zhuǎn)錄等功能就更好了。
干得漂亮，各位。真難以想象完成這項工作付出了多少努力，那些不眠之夜和全神貫注的時刻。
Qwen 團隊的工作令人贊嘆！Qwen3-30B-A3B-Thinking-2507模型在推理能力上的提升以及超大的上下文窗口具有顛覆性意義，為復(fù)雜問題的解決開辟了令人期待的新可能。期待探索它的潛力！
干的非常好，Qwen做的很棒。
Qwen3-30B-A3B-Thinking-2507總參數(shù)量達到 305 億，其中激活的參數(shù)量為 33億，非嵌入?yún)?shù)量為 299 億。該模型包含 48層，采用 Grouped Query Attention機制，Q 的注意力頭數(shù)為 32，KV 的注意力頭數(shù)為 4。
此外，它還具備 128 個專家，其中激活的專家數(shù)量為8。原生支持256K上下文，但通過擴展可增加至100萬。
在性能方面，Qwen3-30B-A3B-Thinking-2507相比其他模型在多個任務(wù)上都有出色表現(xiàn)。例如，在知識類的 MMLU-Pro 任務(wù)中得分為 80.9、MMLU-Redux為91.4、GPQA為73.4、SuperGPQA為56.8；在推理類的AIME25任務(wù)中得分為85.0、HMMT25為71.4、LiveBench 20241125 為 76.8；
在編碼類的LiveCodeBench v6（25.02 - 25.05）任務(wù)中得分為66.0、CFEval 為 2044、OJBench 為 25.1；在對齊類的IFEval 任務(wù)中得分為88.9、Arena-Hard v2 為 56.0、Creative Writing v3為84.4、WritingBench為85.0；
在Agent智能體類的BFCL - v3 任務(wù)中得分為72.4、TAU1 - Retail 為67.8、TAU1 - Airline為48.0、TAU2 - Retail 為 58.8、TAU2 - Airline 為 58.0、TAU2 - Telecom 為 26.3；
在多語言類的 MultiIF 任務(wù)中得分為 76.4、MMLU-ProX 為 76.4、INCLUDE為 74.4、PolyMATH為52.6。
Qwen3-30B-A3B-Thinking-2507在工具調(diào)用能力方面表現(xiàn)出色，推薦使用 Qwen - Agent 來充分發(fā)揮其代理能力，Qwen - Agent 內(nèi)部封裝了工具調(diào)用模板和工具調(diào)用解析器，大大降低了編碼復(fù)雜性?？梢酝ㄟ^ MCP 配置文件、Qwen - Agent 的集成工具或自行集成其他工具來定義可用工具。
為了達到最佳性能，建議采用這些設(shè)置：在采樣參數(shù)方面，建議使用溫度為0.6、TopP 為 0.95、TopK為20、MinP為0，對于支持的框架，還可以在0到2之間調(diào)整 presence_penalty 參數(shù)以減少無休止的重復(fù)，但使用較高值可能會偶爾導(dǎo)致語言混合和模型性能略有下降；
在輸出長度方面，建議大多數(shù)查詢使用 32768個token的輸出長度，對于高度復(fù)雜問題如數(shù)學(xué)和編程競賽的基準測試，建議將最大輸出長度設(shè)置為 81920 個token，為模型提供足夠的空間來生成詳細全面的回答，從而提升整體性能。
