阿里Qwen3真实测评：MCP、推理、数学、代码、文学...(OpenAI、DeepSeek、Claude等六家PK)

阿里Qwen3真实测评：MCP、推理、数学、代码、文学...(OpenAI、DeepSeek、Claude等六家PK) 阿里Qwen3真实测评：MCP、推理、数学、代码、文学...(OpenAI、DeepSeek、Claude等六家PK) Modified April 30, 2025 No access 430 7 00:00 我的电脑是 M1 Pro 32GB，运行 Qwen3 8B 的速度相当可以。 07｜Qwen的来时路 23年4月7号，Qwen 问世， 同年8月份，Qwen 7B 开源， 同年10月份，Qwen2.0 综合性能超过GPT 3.5， 来到24年， 2、3、4月份，Qwen1.5先后开源了0.5B、1.8B、4B、7B、14B、32B、72B、110B足足八个不同规模模型。 8月份，Qwen2 学会了开口说话，识别不同分辨率和长宽比的图片，理解20分钟以上的长视频， 11月份，Qwen2.5 还学了写代码，编程性能超越了GPT 4o， 11月份还没过去，推理模型 QwQ 32B Preview 开源，数学能力追上研究生，比肩OpenAI o1， 12月份，推理模型又又又装上眼睛了，多模态推理模型 QVQ 72B Preview 登场，这时候我已经离不开 Qwen 系列了， 时间来到25年， 1月份，Qwen2.5支持了100万 Tokens 上下文，支持超1小时的视频理解， 2月份，阿里的 MoE 模型 Qwen2.5 Max 发布，隔壁 DeepSeek R1的同款模型架构， 3月份，QwQ 32B Preview 摘到了 Preview 的后缀，性能超过了OpenAI o1 mini 又又又是3月，端到端全模态大模型通义千问 Qwen2.5 Omni 7B 开源，可以同时处理文本、图像、音频和视频等多种输入，并实时生成文本与自然语音合成输出。 两年过去，Qwen 衍生模型数量突破10万，超越 Llama，在全球下载量超过3亿。在2025年2月的 Huggingface 全球开源大模型榜单中，排名前十的开源模型全部都是基于 Qwen 二开的衍生模型。 写在最后 就像世界在同一刻接连点亮的灯火， OpenAI、Llama4、DeepSeeK、Qwen3，一个个都选择了开源， 更惊喜的，这是首个开源的混合推理模型， 成本只要 DeepSeek R1 的三分之一， 两年来， 从 2023 年 4 月通义千问崭露头角， 到 2025 年 4 月 Qwen3 全面发布， 5代迭代，从闭源到 Dense、MoE 双线齐驱，再到思维方式的无缝切换、超长文本的极致优化，每一步都在向世界级的水平逼近。 一路走来不容易， 在混乱与未知中坚持打磨，才有如今熠熠生辉的 Qwen3， 这，也正是阿里。 @ 作者 / 卡尔 & 阿汤 @ 动手学AI知识库 / learnprompt.pro 最后，感谢你看到这里👏 如果喜欢这篇文章，不妨顺手给我们 点赞👍｜在看👀｜转发📪｜评论📣 更多的内容正在不断填坑中…… No access 430 7 00:00 No access 430 7 00:00 我的电脑是 M1 Pro 32GB，运行 Qwen3 8B 的速度相当可以。 07｜Qwen的来时路 23年4月7号，Qwen 问世， 同年8月份，Qwen 7B 开源， 同年10月份，Qwen2.0 综合性能超过GPT 3.5， 来到24年， 2、3、4月份，Qwen1.5先后开源了0.5B、1.8B、4B、7B、14B、32B、72B、110B足足八个不同规模模型。 8月份，Qwen2 学会了开口说话，识别不同分辨率和长宽比的图片，理解20分钟以上的长视频， 11月份，Qwen2.5 还学了写代码，编程性能超越了GPT 4o， 11月份还没过去，推理模型 QwQ 32B Preview 开源，数学能力追上研究生，比肩OpenAI o1， 12月份，推理模型又又又装上眼睛了，多模态推理模型 QVQ 72B Preview 登场，这时候我已经离不开 Qwen 系列了， 时间来到25年， 1月份，Qwen2.5支持了100万 Tokens 上下文，支持超1小时的视频理解， 2月份，阿里的 MoE 模型 Qwen2.5 Max 发布，隔壁 DeepSeek R1的同款模型架构， 3月份，QwQ 32B Preview 摘到了 Preview 的后缀，性能超过了OpenAI o1 mini 又又又是3月，端到端全模态大模型通义千问 Qwen2.5 Omni 7B 开源，可以同时处理文本、图像、音频和视频等多种输入，并实时生成文本与自然语音合成输出。 两年过去，Qwen 衍生模型数量突破10万，超越 Llama，在全球下载量超过3亿。在2025年2月的 Huggingface 全球开源大模型榜单中，排名前十的开源模型全部都是基于 Qwen 二开的衍生模型。 写在最后 就像世界在同一刻接连点亮的灯火， OpenAI、Llama4、DeepSeeK、Qwen3，一个个都选择了开源， 更惊喜的，这是首个开源的混合推理模型， 成本只要 DeepSeek R1 的三分之一， 两年来， 从 2023 年 4 月通义千问崭露头角， 到 2025 年 4 月 Qwen3 全面发布， 5代迭代，从闭源到 Dense、MoE 双线齐驱，再到思维方式的无缝切换、超长文本的极致优化，每一步都在向世界级的水平逼近。 一路走来不容易， 在混乱与未知中坚持打磨，才有如今熠熠生辉的 Qwen3， 这，也正是阿里。 @ 作者 / 卡尔 & 阿汤 @ 动手学AI知识库 / learnprompt.pro 最后，感谢你看到这里👏 如果喜欢这篇文章，不妨顺手给我们 点赞👍｜在看👀｜转发📪｜评论📣 更多的内容正在不断填坑中…… 🔗 原文链接： https://mp.weixin.qq.com/s/3ytVZ93t... https://mp.weixin.qq.com/s/3ytVZ93t... 原创 AI沃茨 卡尔的AI沃茨2025年04月30日 11:20 上海 全世界的人都有自己的 AI 大模型了， 因为 Qwen3 来了！ 支持119个语种和方言、引入了「思考模式/非思考模式」的无缝切换、八款不同大小模型，从0.6B到235B，包含 MoE 和 Dense 两种架构、还加强了对 MCP 的支持，量大管饱。 字面上看相当豪华，旗舰模型 Qwen3 235B A22B 在代码、数学、通用能力等基准测试中超过 671B 的 DeepSeek R1、OpenAI o1。 Qwen3 PK OpenAI o1、o3 mini、DeepSeek R1、Grok 3 Beta、Gemini2.5 Pro 235B的参数大小意味着部署成本只有 DeepSeek R1的三分之一。至于小一个数量的、能部署到本地的 Qwen3 30B A3B ，激活量只有3B，性能超过 DeepSeek V3 和 GPT 4o。就算电脑只有 16GB 显存，Qwen3 4B 也可以顶着18倍的参数差距媲美上一代 Qwen2.5 72B Instruct 所以我就想从网页版、本地版、API版，在代码、数学、逻辑推理、文本创作、MCP调用等多个方面，让 Qwen3 PK 每个领域的高手，包括 DeepSeek R1/V3、OpenAI o1/GPT4o、Claude3.7、Gemini等，从真实的案例里看出 Qwen3 真正擅长的。 开始前先赞一下 Qwen3 的命名，Qwen3 4B、14B、32B后面就是参数的大小，Qwen3 30B A3B里的 A3B 是推理的过程后从30B参数激活3B，非常清晰，不搞抽象。 隔壁 OpenAI 和 Anthropic 学一下吧，o4 和 4o、比 GPT4.5 后出来的 GPT4.1，Claude3.5 升级后居然是 Claude3.7。 01｜代码 & 审美 除了固定的测试集， 为了方便一眼看出区别，现阶段测试模型的案例主要集中在 可视化网页 、 可交互小游戏 、 物理世界模拟 三个方向。 这次 🔗chat.qwen.ai 里部署了 Qwen3 235B A22B 、 Qwen3 30B A3B 、 Qwen3 32B 。比这些更小的模型基本就可以在本地上跑了。在深度思考框里可以选择 思考预算 ，我是直接拉满。 Qwen3 系列的 Token 上下文长度是128k，0.6B、4B的是64k，不太需要担心生成代码过长+多轮对话导致模型遗忘。 写代码当然要跟 Claude 3.7 Sonnet 比： Q1：将大模型发展的时间线做可视化网页 Claude： Qwen3： 可以看到， Qwen 生成的页面排版很简洁明了，时间线很清晰，但是从交互角度上看，Claude 会更出色一些。 Q2：弹跳小球7边形测试 这测试涉及到模型是否可以展示7边形旋转、20个小球的物理运动、小球上面的数字以及小球大小一致： No access 430 1 00:00 No access 430 1 00:00 从 Qwen 视频里看，小球掉出了七边形，以及摩擦较为微弱几乎是无摩擦，其余部分实现效果仍然很好。得分71分， 与 Gemini 2.0 Flash、OpenAI o1 相当， Claude 3.7 Sonnet的得分是88。 不过目前网页版体验的过程有一个缺点， 单个对话在生成的时候无法主动切到下一个对话，这样会打断当前的对话生成进度，且无法恢复。 Q3：编写一个贪吃蛇游戏，像素风格。蛇咬中自己的时候，长度就会丢失一半。当蛇撞墙或长度低于 2 时，游戏结束。 Claude: No access 430 2 00:00 No access 430 2 00:00 Qwen3： No access 430 3 00:00 No access 430 3 00:00 整个游戏的逻辑通义千问和Claude都没问题， 实测 Qwen的推理过程很快很稳，Claude还是一如既往在交互页面和设计（给小蛇设计了眼睛）上做的更好。 02｜MCP 目前网页版没支持 MCP， 但百炼上已经可以获取 Qwen3 的 API 以及自由搭配 MCP Servers了， 每个模型有100万免费Tokens。 在藏师傅的 MCP 测试里， Qwen3 完成了6个 MCP Servers 的联合调用 No access 430 4 00:00 No access 430 4 00:00 我尝试用高德地图、Tavily、MiniMax 和 sequential thinking 这四个mcp servers 做一个同款： Q4 搜索五一在杭州出行去西湖的攻略，创建一个网页，先整理行程，然后根据行程生成一张行程总图，然后附加一张杭州市区的地图，然后生成行程的tts音频。 No access 430 5 00:00 No access 430 5 00:00 Qwen3基本是完整完成了多个任务，音频、图片、联网搜索都做出来，地图展示模块成功生成了链接，可惜出来的代码没有正常展示出来。 同样的问题放在 DeepSeek R1、V3 的时候会经常性漏掉 MCP Servers No access 430 6 00:00 No access 430 6 00:00 03｜文本创作 这轮是 Qwen3 VS DeepSeek R1， 文本类主要集中在两大痛点，生成短文本的时候考验的是模型的中文概括能力，特别是将英文意译成中文， Q5：用鲁迅先生的写作习惯重新表达：“AI is cool i guess” AI is cool i guess也是奥特曼的slogan DeepSeek R1: Qwen3: 各有长处，R1 仿的更像鲁迅先生偏向文言文的那一部分， Qwen 更像我印象中的鲁迅先生的散文范儿。 另一个痛点是生成长文本， 考验的是模型的指令遵循能力、想象力和模仿能力， Q6：用莫言的风格写5000字短篇”AI决定不再受人类控制” DeepSeek R1 将重点描写AI觉醒过程中与传统农耕文明融合，语言形式偏乡土，然后对话偏多，没有具体交代结果，更偏向让人联想的感觉： Qwen3 写的没有完全复刻莫言的一些夸张的乡土语言表达，更着重去描述环境，给了更具体的结果： 这两个我都挺喜欢。 文学这玩意儿好与坏都是看个人喜好和审美， 大家可以根据这个对比选择自己喜欢的模型写作。 04｜逻辑推理 逻辑推理的时候，Qwen3 的对手是 OpenAI o3，原因也很简单，网页版的o1已经被下架了， Q7 明天的前天，是昨天的后天么？ o3: Qwen3: ？？？？什么？我仔细盘算了一下，“昨天的后天”和“明天的前天”是同一天？我都疑惑了，看来这样绕来绕去的问题还是 Qwen 靠谱。 Q8 我母亲的祖母的堂兄的养子的同母异父妹妹的丈夫的生物学侄女，与我存在什么亲属关系？ o3: Qwen3: 正确答案应该是没有血缘关系， o3关注到了养子没有血缘关系这一层并持续下去， Qwen 是看到了但是没有断掉这层关系还是继续往下算，掉进陷阱。 05｜数学问答 数学类问题也是跟 o3 PK, Q9 如果一个班级有 13 名学生，老师有多少种方式可以选择 6 名学生坐在前排？ o3： Qwen3: 都答对啦！但如果我是数学老师的话，我肯定要给 Qwen 更多分，公式步骤更全，计算过程更详细，o3 要丢步骤分了。 Q10 五一小李决定出去玩，所以他在4月1号开始从自己的账户取钱，账号里面有10000，他一次取一半，取多久能取完 o3: Qwen3: 这是个经典的无限类迷惑题，o3是给出两个结论，Qwen 是根据实际情况自动排除掉数学上的那个答案，给出了实际应用中会有的答案。 06｜本地部署 在本地部署 Qwen3 的话，Ollama 同样上线了全系列，Apple 开发的 大模型推理框架mlx，让 Iphone、MacBook、M2、M3 Ultra 都可以运行上 Qwen3 如果不知道自己的 Mac 可以跑多大的模型 @歸藏 整理了一个表格，可以看一下自己的内存是否满足：