北京時間2025年9月12日，喺全球AI競賽愈演愈烈嘅時刻，阿里巴巴雲（Alibaba Cloud）旗下嘅Qwen團隊今日正式發佈全新開源大語言模型系列Qwen3‑Next。呢個模型家族以「極致效率」為核心，標誌住開源AI由「規模為王」向「智能高效」轉型嘅重要躍進。Qwen3‑Next‑80B‑A3B‑Thinking作為旗艦型號，總參數達800億，但每token只激活30億參數，實現訓練成本降低約10倍、推理速度提升約5倍。該系列已喺Hugging Face平台以Apache‑2.0許可開源免費下載，迅速喺開發者社區引發熱議，被譽為「開源AI嘅未來藍圖」。作為Qwen3系列嘅迭代升級，Qwen3‑Next唔單止延續前代嘅多語言支援同代理能力，喺架構創新上亦有顯著突破，幫助中國AI企業直面OpenAI同Google DeepMind嘅全球挑戰。
Qwen系列自2023年首發以來，已成為開源LLM領域嘅標桿。Qwen1以7B參數模型震撼業界，Qwen2.5擴展至多模態，Qwen3於今年4月29日發佈，預訓練資料量飆升至36萬億tokens，覆蓋119種語言。然而，隨著參數規模膨脹，訓練同部署成本成為瓶頸。Qwen3‑Max‑Preview作為Qwen3嘅巔峰之作，以超1萬億參數刷新紀錄，並喺複雜推理同編碼基準上超越Claude Opus 4同DeepSeek V3.1，但其高能耗令中小企業卻步。Qwen3‑Next係為解決呢個痛點而生，阿里巴巴研發團隊歷時8個月、投入逾1000名工程師，推出「下一代超高效模型架構」。該系列包括Qwen3‑Next‑80B‑A3B‑Thinking（思考模式優化版）同Qwen3‑Next‑80B‑A3B‑Instruct（指令微調版），預訓練於15萬億tokens資料集，涵蓋STEM知識、代碼庫同長上下文文件。
Qwen3‑Next最大嘅創新係其「混合專家（MoE）+動態激活」架構，呢個係一種革命性嘅設計範式。傳統MoE模型如Mixtral 8x7B雖高效，但激活路由固定，導致資源浪費。Qwen3‑Next引入「自適應專家路由」（Adaptive Expert Routing），每個token僅激活總參數嘅3.75%（即3B），透過強化學習（RL）動態選擇專家子模組。呢個機制源自Qwen團隊對Transformer瓶頸嘅深入剖析：佢哋發現80%計算負載來自冗餘激活。透過引入「思考預算控制」（Thinking Budget Control），模型可根據任務複雜度自動切換「淺層路由」（簡單查詢）同「深層路由」（複雜推理），令推理延遲由Qwen3嘅2.5秒降至0.5秒。喺Arena‑Hard v2基準測試中，Qwen3‑Next‑80B‑A3B‑Thinking得分達92.7%，超越Qwen3‑30B‑A3B嘅88.5%同DeepSeek‑R1嘅90.2%，而能耗僅為其約1/10。
另一個亮點係「極長上下文理解」（Ultra‑Long Context Handling）。Qwen3‑Next支援高達1M tokens嘅上下文窗口，遠超GPT‑4o嘅128K同Gemini 2.5 Pro嘅1M（但後者需高配硬件）。創新點喺於「分層注意力機制」（Hierarchical Attention），將長序列分解為「宏觀塊」（macro‑blocks）同「微觀塊」（micro‑blocks），只對相關塊施加全注意力計算。呢個設計唔單止將O(n²)複雜度降至接近線性，仲令長文檔摘要嘅準確率提升約15%。例如喺LiveBench 20241125測試中，模型處理100頁PDF報告時召回率達95%，而Qwen3僅為82%。阿里巴巴強調，呢項設計針對企業級應用，例如法律文書分析同醫療影像報告生成，可明顯降低資料預處理成本。
喺代理能力同多模態融合方面，Qwen3‑Next亦有突出表現。繼承Qwen3嘅「混合思考模式」（Hybrid Thinking Modes），佢支援「思考模式」（逐步推理複雜問題）同「非思考模式」（快速回應簡單任務），用戶可以自定計算預算。更進一步，Qwen3‑Next整合「代理中心編程」（Model‑Centric Programming, MCP），允許模型自主調用外部工具，例如API接口或數據庫，實現端到端任務自動化。喺GPQA基準中，其代理得分達89%，媲美o1模型。多語言支援擴展至129種，包括蒙古語同斯瓦希里語，通過合成數據增強（使用Qwen3‑VL生成）提升翻譯準確率約20%。此外，模型喺編碼任務上亦表現亮眼：即將發佈嘅Qwen3‑Next‑Coder變體喺LiveCodeBench v6得分98.3%，支援自主代碼生成同除錯，適用於DevOps場景。
性能基準進一步突顯其創新價值。喺AIME25數學競賽模擬中，Qwen3‑Next解題率達85%，高於Qwen3‑235B‑A22B嘅82%同Grok‑3嘅80%。更令人注目嘅係效率：部署喺標準NVIDIA A100 GPU時，吞吐量達1500 tokens/s，遠超同規模模型嘅300 tokens/s。阿里巴巴稱，呢啲成就得益於「四階段後訓練管道」：長鏈式思考冷啟動、基於規則嘅RL強化、思考模式融合，以及跨20+任務嘅通用RL。相比OpenAI嘅閉源o3‑mini，Qwen3‑Next嘅開源屬性令開發者可以自由微調，加快生態建設。
Qwen3‑Next嘅發佈對全球AI格局影響深遠。首先，佢強化咗中國開源AI嘅領導力。Hugging Face數據顯示，Qwen系列下載量已超10億次，Qwen3‑Next首日即獲50萬下載。呢個趨勢會吸引更多國際開發者加入，挑戰西方AI壟斷。其次，喺能效時代，Qwen3‑Next嘅低成本設計惠及中小企業同新興市場，推動AI普惠。例如東南亞初創可利用佢嘅長上下文功能開發本地化聊天機械人，而無需巨額雲端費用。戰略上，阿里巴巴透過Model Studio平台提供API接入，輸入token定價僅0.861美元/百萬，遠低於Claude嘅2美元。呢啲措施唔單止鞏固阿里雲喺亞太市場嘅份額，仲為中美AI博弈注入新變數——開源合作或可成為橋樑。
當然，挑戰依然存在。Qwen3‑Next雖然高效，但安全對齊需進一步優化，以防幻覺風險。歐盟AI法案要求透明度，阿里巴巴已承諾會發佈詳細嘅技術報告。此外，面對Google嘅Gemini 3.0，Qwen團隊計劃喺明年推出多模態Next版本。
Qwen3‑Next唔單止係技術嘅躍進，更係AI大眾化嘅宣言。其MoE動態激活、極長上下文同代理融合等創新，將重塑開源生態，推動由「計算密集」向「智能密集」嘅範式轉變。阿里巴巴CTO周靖人表示：「Qwen3‑Next證明，高效AI無需犧牲性能，佢會賦能億萬開發者，共創智能未來。」隨住模型喺GitHub倉庫嘅更新，全球AI社區正迎來新一輪創新浪潮。