大家好，我是 Ai 學(xué)習(xí)的老章

最近一周，阿里Qwen勢(shì)如破竹，沒有人可以阻止阿里的開源速度了

Qwen3-Next-80B-A3B 量化版

22 號(hào)阿里放出 FP8 版本的 Qwen3-Next-80B-A3B-Instruct-FP8 和 Qwen3-Next-80B-A3B-Thinking-FP8 模型，全面兼容 Transformers、vLLM 和 SGLang 框架，并采用 FP8 精度實(shí)現(xiàn)閃電級(jí)推理速度

這算是官方量化版了，我看了一下 Instruct 模型文件從之前的 163GB 降低到 82GB，少了一半，推理成本也低了，估計(jì)一張 H200 搞定。量化前的模型我試過，要 2 張 H200，而且還要吧 max-model-len 壓到 64K 才能跑起來。

Qwen3Guard 安全審核模型

23 號(hào)，阿里開源了 Qwen3 安全審核模型Qwen3Guard，一共 2 個(gè)，分兩類：

• Qwen3Guard-Gen，將安全性分類視為指令跟隨任務(wù)的生成模型；

• Qwen3Guard-Stream，在增量文本生成期間實(shí)時(shí)進(jìn)行安全監(jiān)控的標(biāo)記級(jí)分類頭。

這兩類模型又分別有三種大小的模型（0.6B、4B 和 8B）

應(yīng)用場(chǎng)景：

• Qwen3Guard-Gen（生成式版）支持對(duì)完整用戶輸入與模型輸出進(jìn)行安全分類，適用于離線數(shù)據(jù)集的安全標(biāo)注、過濾，亦可作為強(qiáng)化學(xué)習(xí)中基于安全性的獎(jiǎng)勵(lì)信號(hào)源，是構(gòu)建高質(zhì)量訓(xùn)練數(shù)據(jù)的理想工具。

• Qwen3Guard-Stream（流式檢測(cè)版）突破了傳統(tǒng)的護(hù)欄模型架構(gòu)，首次實(shí)現(xiàn)模型生成過程中的實(shí)時(shí)、流式安全檢測(cè)，顯著提升在線服務(wù)的安全響應(yīng)效率與部署靈活性。

這套模型確實(shí)很有價(jià)值，但是不太清楚如何與其他模型結(jié)合使用，Gen 版可以放在工作流最后一步做打標(biāo)，Steam 版呢？

Qwen-Image-Edit-2509 更新

Qwen-Image-Edit-2509 的主要特性包括：

• 多圖編輯支持: 對(duì)于多圖輸入，Qwen-Image-Edit-2509 基于 Qwen-Image-Edit 結(jié)構(gòu)，通過拼接方式進(jìn)一步訓(xùn)練，從而進(jìn)行了支持。提供“人物 + 人物”，“人物 + 商品”，“人物 + 場(chǎng)景”等多種玩法。

• 單圖一致性增強(qiáng): 對(duì)于單圖輸入，Qwen-Image-Edit-2509 顯著提高了一致性，主要體現(xiàn)在以下方面：

• • 人物編輯一致性增強(qiáng): 增強(qiáng)人臉 ID 保持，支持各種形象照片、姿勢(shì)變換；

  • 商品編輯一致性增強(qiáng): 增強(qiáng)商品 ID 保持，支持商品海報(bào)編輯；

  • 文字編輯一致性增強(qiáng): 除了支持文字內(nèi)容修改外，還支持多種文字的字體、色彩、材質(zhì)編輯；

• 原生支持 ControlNet: 包括深度圖、邊緣圖、關(guān)鍵點(diǎn)圖等

僅看官方演示，可以媲美 nano-banana 了，實(shí)際體驗(yàn)，大家感受：https://qwen.ai/home

Qwen3-VL 指令遵循 + 思考模型

Qwen 系列中最強(qiáng)大的視覺語言模型，分指令遵循和思考兩種

看測(cè)評(píng)數(shù)據(jù)，純文本性能一般，多模態(tài)能力各種遙遙領(lǐng)先，后面還有一個(gè)多模態(tài)大模型 Omini，感覺 VL 應(yīng)該是更專注于文本，視頻，尤其是視頻，參數(shù)量和激活兩也都幾乎十倍于 Omini

Qwen3-Omni-30B-A3B-Thinking

Qwen3-Omni 是原生端到端多語言全模態(tài)基礎(chǔ)模型。它處理文本、圖像、音頻和視頻，并以文本和自然語音的形式提供實(shí)時(shí)流響應(yīng)。在 36 個(gè)音頻/視頻基準(zhǔn)測(cè)試中的 22 個(gè)達(dá)到 SOTA，在開源 SOTA 中達(dá)到 36 個(gè)中的 32 個(gè)；ASR、音頻理解和語音對(duì)話性能與 Gemini 2.5 Pro 相當(dāng)。

模型名稱

描述

Qwen3-Omni-30B-A3B-Instruct

Qwen3-Omni-30B-A3B 的指令模型，包含思考者和說話者組件，支持音頻、視頻和文本輸入，輸出為音頻和文本。

Qwen3-Omni-30B-A3B-Thinking

Qwen3-Omni-30B-A3B 的思考模型，包含思考者組件，具備鏈?zhǔn)剿季S推理能力，支持音頻、視頻和文本輸入，輸出為文本。

Qwen3-Omni-30B-A3B-Captioner

從 Qwen3-Omni-30B-A3B-Instruct 微調(diào)而來的下游音頻細(xì)粒度字幕模型，可為任意音頻輸入生成詳細(xì)且低幻覺的字幕。它包含思考者組件，支持音頻輸入和文本輸出。

這套模型應(yīng)該還更偏向于端測(cè)應(yīng)用，但是不夠端，模型文件合集 64GB。

后續(xù)量化后能保持性能不大幅下降就完美了，目前?GPU 要就還是太高了。

模型

精度

15 秒視頻

30 秒視頻

60 秒視頻

120 秒視頻

Qwen3-Omni-30B-A3B-Instruct

BF16

78.85 GB

88.52 GB

107.74 GB

144.81 GB

Qwen3-Omni-30B-A3B-Thinking

BF16

68.74 GB

77.79 GB

95.76 GB

131.65 GB

這三個(gè)模型我最感興趣的是Qwen3-Omni-30B-A3B-Captioner，但是他的缺點(diǎn)也很致命：音頻長(zhǎng)度不超過 30 秒，而且它是單輪模型，每次推理僅接受一個(gè)音頻輸入。它不接受任何文本提示，只支持音頻輸入，并僅輸出文本。取代 OpenAI 的 Whisper 估計(jì)沒戲。

Qwen3-Max：大就是好

Qwen3-Max-Instruct 的預(yù)覽版在 LMArena 文本排行榜上位列第三，超越了 GPT-5-Chat。正式版本在代碼能力和智能體（agent）能力方面進(jìn)一步提升，在涵蓋知識(shí)、推理、編程、指令遵循、人類偏好對(duì)齊、智能體任務(wù)和多語言理解的全面基準(zhǔn)測(cè)試中均達(dá)到業(yè)界領(lǐng)先水平。

Qwen3-Max 的推理增強(qiáng)版本—— Qwen3-Max-Thinking 正在訓(xùn)練

一句話總結(jié)：很強(qiáng)，但不開源。