[Alibaba]
阿里巴巴集團發佈開源大語言模型家族最新混合推理模型Qwen3，，融合了傳統大語言模型（LLM）與專家混合（MoE）技術。
Qwen3採用了混合推理架構，結合稠密模型和MoE設計（例如 Qwen3-235B-A22B 的 22B 啟動參數），在動態運算分配上表現出色，尤其適合多工的場景。
橫空出世後石破天驚的DeepSeek-R1，也基於 MoE 架構（具體參數未公佈，估計與 DeepSeek-V2類近，可能約141B總參數，啟動參數20B）。DeepSeek系列以高效推理著稱，多語言支援上卻遠不如Qwen3全面。
Qwen3的MoE設計通過稀疏啟動降低計算成本，同時又在數學推理和代碼生成表現優越。Qwen3-235B-A22B的22B 啟動參數，使性能和效率之間取得平衡。DeepSeek-R1的推理效率同樣較高，但LIVE Bench和BFCL等得分較低，表明通用性和多語言能力不如Qwen3。
Qwen3在多語言任務（MultiF得分71.9和73.0）和數學推理（AIME’2獲85.7）上表現突出，在需要高精度推理及多語言支援場景，例如是學術研究和國際應用，很有競爭能力。DeepSeek-R1 在代碼生成（CodeForces Elo 2029）和通用推理（LIVE Bench 71.6）上表現穩定，但多語言支援較弱，可能更適合代碼開發和演算法競賽場景。
不過DeepSeek-R1 的升級版DeepSeek-R2即將推出，可能在參數規模、推理效率和多工能力上進一步提升。如果延續DeepSeek-V2發展趨勢，DeepSeek-R2可能優化多語言支援（以彌補R1缺點），推理速度上再進一步突破。然而，DeepSeek-R2 即使推出，面對 Qwen3-235B-A22B ，多語言任務和數學推理上，估計仍是稍遜一籌。
Qwen3執行複雜任務
Qwen3-235B-A22和Qwen3-32B在多項評測優於對手OpenAI-o1（2024-12-17）、DeepSeek-R1、Grok 3 Beta、Gemini-2.5-Pro和OpenAI-o3-mini，國產大模型已經旗鼓相當。
ArenaHard：Qwen3-235B-A22B 得分 95.6，Qwen3-32B 得分 93.8，領先 Grok 3 Beta 的 96.4 和 OpenAI-o3-mini 的 89.0，執行複雜任務有競爭力。
AIME’24 和 AIME’25：Qwen3-235B-A22B 在 AIME’24 和 AIME’25 中分別得分 85.7 和 81.5，Qwen3-32B 得分 81.4 和 72.9。相比之下，Grok 3 Beta 的得分分別為 83.9 和 77.3，Qwen3數學推理任務中表現不俗，但仍有改進空間。
LiveCodeBench（2024-10-25.02）：Qwen3-235B-A22B 和 Qwen3-32B 分別得分 70.7 和 65.7，略低於Grok 3 Beta 的 70.6，但代碼生成仍具競爭力。
CodeForces Elo 評級：Qwen3-235B-A22B已達到2056，Qwen3-32B為1977，優於Grok 3 Beta的2001，Qwen3演算法競賽類任務中表現突出。
Aider 和 LIVE Bench（2024-11-25）：Qwen3-235B-A22B 在 Aider 上得分 61.8，LIVE Bench 得分 77.1，Qwen3-32B 分別為 50.2 和 74.9。相比之下，Grok 3 Beta 得分分別為 53.3 和 82.4，顯示 Qwen3 在通用知識和推理任務上略遜Grok 3 Beta。
BFCL 和 MultiF（8 種語言）：Qwen3-235B-A22B 在 BFCL上得分70.8，MultiF 得分 71.9，Qwen3-32B 分別為 70.3 和 73.0，均優於Grok 3 Beta的62.9和77.8，顯示在多語言任務中的優勢。
Qwen3-235B-A22B 在多個基準測試中表現出色，尤其是在數學推理（AIME）、代碼生成（CodeForces）和多語言任務（MultiF）表現不俗。與 Grok 3 Beta 相比，Qwen3 在某些領域（如演算法競賽）表現好，通用知識和長上下文推理（如 LIVE Bench）上稍嫌不足。
Qwen3 的混合推理架構（MoE）是性能提升的關鍵原因，通過動態分配計算資源，顯著提高了模型效率，尤其是在處理複雜任務時。Qwen3開源為開發者提供了更多靈活性，適合用於定制化開發和研究。
Qwen3系列包含六款密集模型與兩款混合專家模型（Mixture-of-Experts, MoE），有助開發者更靈活地開發適用於移動設備、智能眼鏡、自動駕駛汽車及機器人等場景上的應用。
不過Qwen3-32B部分測試中表現，不如其更大版本（235B-A22B），可能因為參數較少，導致推理能力受限，可能要優化模型在通用知識和長文本的理解，才能縮小與OpenAI和Grok等的差距。
國產模型開放，而美國模型卻趨向閉源，開源AI讓中國能夠通過技術輸出擴大全球影響力。發展中國家資源有限，傾向免費開源模型，而非昂貴閉源方案。
前谷歌行政總裁Eric Schmidt警告，美國若繼續堅持AI閉源策略，可能在全球AI競爭落後中國。他指，中國大力推動AI開源（如Qwen3系列）對全球技術生態產生深遠影響。開放性加速技術擴散，尤其發展中國家和中小企，中國AI模型更成首選，本港不少企業已轉用Deepseek R1。Qwen3多語言（MultiF得分71.9）和代碼生成（CodeForces Elo 2056）出色，更加具全球競爭力。