您现在的位置是：网站首页>体育体育

皇海电玩城官方版本下载

任映之 2025-05-13 【体育】 9687 人已围观

上个月⑧，阿里巴巴旗下的通义平台正式推出了新一代模型Qwen3❸，登顶全球最强开源模型榜单②。

值得注意的是⑨，Qwen3系列模型共包含8款不同尺寸⑮，除了两个参数为30B和235B的MoE大模型外⑫，阿里本次推出了6款Dense模型⑤，6个是稠密模型⑦，参数从0.6B到32B不等⑥。

阿里一向非常重视小尺寸模型❸，这也算不上新闻了⑬，不过其中最小的0.6B模型参数量仅为6亿②，作为对比⑭，2019年2月发布的GPT-2参数量都有15亿⑬。这个模型的实际表现如何⑯，让人相当好奇⑮。

为此⑪，我们请教了一些专业开发者❸，并且自己也进行了测试⑩，发现即使10年前的手机芯片都足以支持这款模型的推理运算⑲，实际回答效果也能够差强人意⑮。而4B⑧、8B等参数量的模型则有着更好的表现⑪。

对于一次性更新八个开源模型的原因⑬，阿里云CTO周靖人表示：不同模型其实就是尽量满足从个人到企业的不同开发者的需求③。比如手机端侧可以用4B⑫，电脑或汽车端侧推荐8B⑳，32B是企业最喜欢的尺寸⑳，能商用大规模部署②。

除了尺寸之外❷，有开发者指出③，采用稠密架构的小模型⑮，也比MoE的稀疏架构更适合企业的实际业务场景③。在可以预见的未来⑳，B端市场还是大模型变现的最重要场景⑫，凭借快人一步的小尺寸模型布局⑱，阿里正在这场竞争中抢占先机⑪。

什么是稠密模型⑮？

所谓稠密模型⑧，是指神经网络中层内神经元之间通过全连接方式连接▓，且所有参数对所有输入样本全局共享的模型⑫。

相比使用稀疏模型MoE架构只会调用部分的参数资料⑤，Dense模型对于任意输入⑦，模型的所有参数都会被激活并参与计算⑬。

早期人们熟悉的大模型⑥，都是以稠密架构为主⑱。

以OpenAI为例⑨，其GPT系列在GPT3前均使用了Dense模型③，而后续GPT版本由于其闭源的特性⑳，我们暂时不得而知其采用了哪类架构⑭。

作为深度学习的 “基石”⑮，稠密模型其核心价值在于简单性⑧、高效性和普适性⑭，适用于大多数标准化⑬、实时性或资源受限的场景⑥。

但是随着Scaling Law之下⑧，大模型训练所需的参数量呈几何增长⑬，稠密模型的训练成本逐渐让人难以承受④，并且能力提升幅度也逐渐遭遇瓶颈⑰，暴露了较难适应多样化场景的问题①。为此③，MoE模型作为解决方案应运而生④。

相比于参数愈发膨胀的稠密模型②，MoE架构是节约资源的一种设计⑥，通过引入稀疏门控机制❸，每次执行任务时只需要激活少数相关的子模型⑫，从而降低训练和推理成本⑤。DeepSeek V3就是凭借MoE架构⑤，实现了惊人的成本下降⑰。

但是MoE架构也有缺点▓，如增加通信成本⑬、微调中容易出现过拟合等⑪。而稠密模型由于推理时计算路径固定②，无动态路由开销⑯，反而相比Moe架构更加适合实时在线客服⑦、商品推荐⑥、金融风控等需要低延迟响应的场景⑰。

稠密模型除了有更加合适的匹配场景⑦，对于个人开发者而言⑮，Pytorch▓、TensorFlow等深度学习工具链对稠密模型的优化已非常成熟❸，从分布式训练到量化压缩③，形成了完整的技术栈⑩。而MoE模型的工程实现由于还处在技术迭代阶段⑫，相比Dense模型没有一套完整成熟的方案③，对于个人开发者落地成本较高⑬。

小模型能跑成啥样⑫？

那么作为小而美的模型⑤，其运行门槛到底有多低③？又会不会存在小而弱的情况呢⑤？

在运行门槛层面⑮，有开发者对观察者网表示⑱，其成功将Qwen3 0.6B模型安装在一款搭载4核2.4G的CPU的设备中并成功运行⑧。

开发者将Qwen 0.6B植入应用生成回答

如果要用手机芯片对比该CPU⑫，最为接近的是发售于2014年的骁龙801芯片⑨。该芯片为28nm制程④，搭载4核2.5G CPU⑫，并搭载了一颗Adreno 330的GPU①，当年发售的小米4⑮、三星Galaxy S5⑧、OPPO Find7等手机均采用了该款芯片①。

而这款当年的旗舰芯片放到2025年是妥妥的过时硬件⑧，以小天才电话手表Z10为例④，其搭载的高通W5芯片采用4nm架构③，四核Cortex-A53的CPU⑯，在Geekbench5单核跑分约500分⑭，碾压了骁龙801的200分⑯。也就是说单核角度⑩，现在小天才电话手表的CPU都是骁龙801的两倍⑯。

更值得注意的是⑧，该开发者表示⑱，其采用的设备只有CPU❶，没有GPU④。也就是说无论是10年前的小米手机❷，还是如今的小天才电话手表⑩，都硬件性能都能支持顺利运行Qwen3 0.6B的模型⑥。

观察者网也在iPhone 16 Pro Max和索尼Xperia Z5上进行了测试⑰。

在没有任何优化的情况下⑱，两款手机均能运行Qwen3 0.6B参数的Dense模型⑬。不过在响应速度上⑧，在关闭推理模式时②，苹果手机可以做到实时响应⑪，索尼手机可以做到延迟1秒左右响应⑤，而在开启了推理模式后③，苹果手机则依然能迅速响应⑳，索尼手机则需要接近10秒的时间才能响应❶，出现了显着的延迟情况❸。

而在具体的问答环节④，在没有任何优化和适配的情况下⑩，对其提问“天空为何是蓝色的”和“生蚝是生的还是熟的”❶，Qwen3 0.6B没能丝滑应对脑筋急转弯⑲，但也给出了勉强可用的回答⑰。

Qwen3 0.6B回答生蚝问题

相比之下②，4B的模型性能又有显着提升④，同样询问其“生蚝是生的还是熟的”问题后②，它能够准确回答出“生蚝”是名字⑫，不是状态⑲，可以是生的⑫，也可以是熟的⑳。

Qwen3-4B模型能够详细回答生蚝问题的答案

根据阿里官方的描述⑫，Qwen3-4B性能可与Qwen2.5-72B-Instruct媲美⑤，而Qwen考虑到目前智能手机基本均可以流畅本地运行Qwen3-4B模型⑦，主流电脑基本均可以本地运行Qwen3-8B模型⑩，这也代表着Qwen3小模型也可以完全胜任普通人需要的设备智能化的任务⑯，相比满血MoE大模型并不存在极其巨大的使用差距⑦。

Qwen3发布后⑦，上下游供应链第一时间进行适配和调用④，尤其是强调了对小尺寸模型的适配⑬，体现了业内对其能力的认可❶。

英特尔官方网站显示⑩，英特尔在车端舱内和AI PC上都对新发布的Qwen3系列模型完成匹配④，使得搭载小模型的AI PC也能成为用户助手⑥。

英特尔官方展示Qwen3-0.6B模型优化效果

国产芯片厂商海光信息也宣布其DCU完成对Qwen3全部8款模型的适配+调优⑦，覆盖235B⑦、32B❷、30B③、14B⑫、8B⑱、4B⑤、1.7B⑨、0.6B各种参数⑧。

抢占AI应用爆发窗口期⑬、如果说阿里更新的32B以上模型是为了对标乃至超越DeepSeek-R1⑤，那么在小模型的技术线上⑲，阿里又意欲何为呢⑤？

我们在解释Dense模型的特性时就提到⑪，相比MoE模型①，Dense模型更加适合一些需要准确性和实时反馈的业务场景❸，而阿里所在的电商⑪、物流⑬、金融科技等领域⑲，天然就对大模型幻觉存在较低的容忍度⑤。Dense模型相比MoE模型⑭，会更加容易适配诸如商品智能推荐▓、智能客服❸、智能家居⑭、智能眼镜⑥、自动驾驶⑥、机器人等领域领域③，与阿里自身的业务板块和未来的发力方向较为契合⑭。

而且⑳，相比上一代模型支持29种语言⑳，本次阿里开源大模型支持119种语言▓。对于阿里国际站⑦、速卖通等平台覆盖的全球 200 多个国家和地区▓，多语言尤其是小语种支持可直接降低语言壁垒⑲，提升用户体验⑮，属于AI赋能自身业务的直观体现⑬。

而119种语言的背后也代表着阿里在持续加码建设自己的开源生态⑳。Qwen3系列模型依旧采用宽松的Apache2.0协议开源⑩，全球开发者⑩、研究机构和企业均可免费在魔搭社区⑲、HuggingFace等平台下载模型并商用②，也可以通过阿里云百炼调用Qwen3的API服务⑧。

具体到小模型在第三方的应用⑨，多位AI开发者对观察者网表示⑩，在很多场景⑧，小模型才是真正能干活的模型⑨。

有人解释道：“很多业务QPS都是以万为数量级⑭，而业务链路对于延迟的要求又极为严格⑲，这种场景根本没法塞一个大模型进去⑩，哪怕是用7B级别的模型⑨，对于显存都是巨大的负担⑧。对于绝大部分无法承担高额预算的企业❶，0.6B⑳、1.7B的小模型有着巨大的应用价值⑧，不仅能少吃资源⑫，还能支持高并发①。”

其补充表示：对于一些轻量的任务❸，不需要模型懂很多道理⑤，只要能够对输入有感知❶，能够识别信号输出⑲，就是合格的模型了❷。Qwen小模型的出现取代了TinyBERT⑭，只要能够实现快速⑦、轻量❷、稳定⑧，那么这个模型在工业界就有很大的应用潜力⑩。

另一位开发者则对观察者网表示：“Qwen3-0.6B具有参数少❷、本地跑的特性⑲，非常适合微调成匹配单一小任务的模型⑮，比如文章提取⑤、样式整理⑮、数据转化⑳，相比大模型存在巨大的性价比优势⑫。”

据了解②，目前已有企业使用Qwen3的0.6B模型在边缘设备部署⑨，实时分析传感器数据⑤。

除了赋能自身业务和吸引开发者生态⑳，阿里也希望通过更加先进和适配的大模型抢占更多的C端入口⑯。

2024年底至2025年初⑨，阿里通过一系列组织架构调整和人才布局推进AI To C战略⑤，将AI应用“通义”并入智能信息事业群⑤，整合天猫精灵与夸克团队①，并聘请顶尖AI科学家许主洪负责AI To C业务研发⑫。

有市场人士认为⑥，此轮调整的背景是阿里通义APP的普及率不及预期①。

通义千问凭借在多模态处理和复杂任务推理方面的技术优势⑲，曾为阿里的B端企业服务及开发者生态提供了有力支撑⑦。诸如飞猪旅行借助通义千问多模态模型⑰，实现了用户方言语音规划行程的功能❶；Rokid AR眼镜搭载其技术后⑤，能够进行实时翻译⑬。通义千问在大模型开源上跑得很快⑤，但是⑧，其“通义”App在C端应用上并没有使出“撒手锏”⑯。

AI市场竞争激烈⑫，的混元大模型依托微信庞大的用户基础和生态优势⑱，在微信多个入口为元宝争取亮相的机会⑯，对C端用户形成“茧房式包裹”②。字节跳动旗下的豆包借助抖音的推流优势⑤，在2024年11月MAU飙升至5998万⑥，长期霸榜AI应用下载量榜单前三⑥。

不过阿里在C端依然有潜力应用夸克⑩。第三方数据显示①，2025年3月⑤，夸克的MAU达到1.48亿⑳，登上国内AI应用榜首⑬。

当前阿里的整体AI战略布局❸，愈发强化通义千问与夸克的“双子星”格局⑮。通义千问专注于支撑云上智能①，夸克则着力打造端侧入口⑬，协同推动阿里AI To C战略的落地⑧。

随着C端渗透率不断提升⑮，算力成本会成为大模型企业不可承受之重⑱，DeepSeek就曾经在爆火出圈时遭遇算力崩溃⑪。如果能够用小尺寸模型承接更多C端用户需求⑮，对于阿里自身成本控制和用户体验⑮，都会有潜在的重要意义⑬。

很赞哦⑧！

随机图文