2025年4月29日，阿里通义千问推出了其最新一代开源大型语言模型Qwen3系列。

经过后训练的模型，例如Qwen3-30B-A3B，以及它们的预训练基座模型（如Qwen3-30B-A3B-Base），现已在HuggingFace、ModelScope和Kaggle等平台上开放使用。对于部署，我们推荐使用SGLang和vLLM等框架；而对于本地使用，像Ollama、LMStudio、MLX、llama.cpp和KTransformers这样的工具也非常值得推荐。

github代码仓库：https://github.com/QwenLM/Qwen3

QwenChat网页版（https://chat.qwen.ai/）和手机APP中试用Qwen3！

Qwen3模型开源

开源了两个MoE模型的权重：Qwen3-235B-A22B，一个拥有2350多亿总参数和220多亿激活参数的大模型，以及Qwen3-30B-A3B，一个拥有约300亿总参数和30亿激活参数的小型MoE模型。

开源了六个Dense模型，包括Qwen3-32B、Qwen3-14B、Qwen3-8B、Qwen3-4B、Qwen3-1.7B和Qwen3-0.6B，均在Apache2.0许可下开源。

Qwen3模型在行业基准测试中取得顶级成果

Qwen3核心亮点

• 引入混合思考模式：用户可切换“思考模式、“非思考模式”，自己控制思考程度；
• 推理能力提升：在代码、数学、通用能力等基准测试中，与DeepSeek-R1、o1、o3-mini、Grok-3和Gemini-2.5-Pro等顶级模型相比，表现出极具竞争力的结果；
• 增强的Agent能力：优化了Qwen3模型的Agent和代码能力；
• 支持MCP（模型上下文协议）：加强了对MCP的支持；
• 支持119种语言和方言：具备多语言理解、推理、指令跟随和生成能力。

快速开始Qwen3

以下是如何在不同框架中使用Qwen3的简单指南。下面提供了一个在HuggingFacetransformers中使用Qwen3-30B-A3B的标准示例：

frommodelscopeimportAutoModelForCausalLM,AutoTokenizer

model_name="Qwen/Qwen3-30B-A3B"

#loadthetokenizerandthemodel
tokenizer=AutoTokenizer.from_pretrained(model_name)
model=AutoModelForCausalLM.from_pretrained(
model_name,
torch_dtype="auto",
device_map="auto"
)

#preparethemodelinput
prompt="Givemeashortintroductiontolargelanguagemodel."
messages=[
{"role":"user","content":prompt}
]
text=tokenizer.apply_chat_template(
messages,
tokenize=False,
add_generation_prompt=True,
enable_thinking=True#Switchbetweenthinkingandnon-thinkingmodes.DefaultisTrue.
)
model_inputs=tokenizer([text],return_tensors="pt").to(model.device)

#conducttextcompletion
generated_ids=model.generate(
**model_inputs,
max_new_tokens=32768
)
output_ids=generated_ids[0][len(model_inputs.input_ids[0]):].tolist()

#parsingthinkingcontent
try:
#rindexfinding151668(</think>)
index=len(output_ids)-output_ids[::-1].index(151668)
exceptValueError:
index=0

thinking_content=tokenizer.decode(output_ids[:index],skip_special_tokens=True).strip("\n")
content=tokenizer.decode(output_ids[index:],skip_special_tokens=True).strip("\n")

print("thinkingcontent:",thinking_content)
print("content:",content)

要禁用思考模式，只需对参数enable_thinking进行如下修改：

text=tokenizer.apply_chat_template(
messages,
tokenize=False,
add_generation_prompt=True,
enable_thinking=False#Trueisthedefaultvalueforenable_thinking.
)

vLLM部署，使用vllm>=0.8.4来创建一个与OpenAIAPI兼容的APIendpoint：

vllmserveQwen/Qwen3-30B-A3B--enable-reasoning--reasoning-parserdeepseek_r1

如果用于本地开发，通过运行简单的命令ollamarunqwen3:30b-a3b来使用ollama与模型进行交互。

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

五、AI产品经理大模型教程

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​