开源Qwen一周连刷三冠，暴击闭源模型！基础模型推理编程均SOTA

卷疯了，通义千问真的卷疯了。

Qwen3-Coder刚炸完场，就隔了一天，马上全新开源Qwen3系列最强推理模型——Qwen3-235B-A22B-Thinking-2507。

怎么个最强法？一登场，再次刷新SOTA，在各项测评中一举拿下「全球最强开源模型」宝座，比肩顶级闭源模型Gemini-2.5 Pro、o4-mini。

国外网友都馋哭了：

关键是，就在这短短一周里，算上前两天开源的新基础模型Qwen3-235B-A22B-Instruct-2507（非思考版），和Qwen3-Coder，通义千问是完成了一波开源三连。

开源还不算，各个出手即SOTA：接连斩获基础模型、编程模型、推理模型三项全球开源最强。

这个模型更新强度和效能提升，妥妥地引领全球了。

就问小扎慌不慌（doge）。

新版Qwen3推理模型，登顶全球开源最强

正如DeepSeek R1是在V3基础上打造的推理模型，Qwen3全新推理模型，是基于Qwen3-235B-A22B打造——就是235B参数那版MoE，激活参数22B。

官方表示，新推理模型主要提升了3方面的核心能力：

• 逻辑推理、数学、科学和编码等任务上性能显著提升；
• 能更好地遵循指令、使用工具、生成文本；
• 支持256K原生上下文，适用于高度复杂的推理任务。

而此番刷新SOTA，登顶开源最强，确实不是那种一丢丢提升，仔细看测评分数，那是「真有点东西」。

先来看推理方面。

在超高难度测试「人类最后的考试」中，最新的2507版推理模型，相较4月底初发布的Qwen3推理模型，分数从11.8分提升到了18.2分。

超过了DeepSeek-R1-0528的17.7分，和OpenAI o4-mini在高性能推理模式下拿到的18.1分。

编程方面，在LiveCodeBench v6和CFEval中，Qwen3新推理模型甚至超越了Gemini-2.5 Pro等闭源业界标杆，刷新SOTA。

除此之外，在知识、对齐、智能体、多语言等基准评测中，Qwen3新推理模型都有比肩闭源模型的表现，达到开源SOTA。

纸面上的成绩属实是相当优秀，那么具体使用起来，这个新推理模型表现又会如何？

我们也简单测试了一下。

还是那道经典题：7米长的甘蔗如何通过2米高1米宽的门？

Qwen3-235B-A22B-Thinking-2507思考了43秒，最后给出的答案是：

思考过程如下：

相较之下，o4-mini的答案就简单粗暴了些。

模型三连开源，摘下三项SOTA

前面也说到，全新推理模型，其实是本周阿里开源第三弹。

总结起来画风其实是酱婶的：

前两弹震得大家伙脑袋嗡嗡的，各种实测部署正上头呢，通义实验室的卷王们啪地又甩出了一对王炸。

就说Qwen3-Coder，开源即刷新AI编程SOTA——不仅在开源界超过DeepSeek V3和Kimi K2，连业界标杆、闭源的Claude Sonnet 4都比下去了。

网友们实测起来，小球弹跳效果是这样的：

HuggingFace首席执行官Clement Delangue、Perplexity首席执行官Aravind Srinivas等大佬都第一时间加入了讨论、点赞：

这是开源的胜利。

Qwen3-Coder火爆，带动阿里千问API调用量暴涨。

海外知名模型API聚合平台OpenRouter数据显示，阿里千问API调用量过去几天已突破1000亿Tokens，在OpenRouter趋势榜上包揽全球前三，是当下最热门的模型。

基础模型领域，Qwen3最新版本——Qwen3-235B-A22B-Instruct-2507（非思考版）也登顶全球开源第一，在GPQA（知识）、AIME25（数学）、LiveCodeBench（编程）、Arena-Hard（人类偏好对齐）、BFCL（Agent能力）等众多测评中表现出色，超越Claude4（Non-thinking）等领先闭源模型。

中国开源，卷到了世界最前沿

三连开源，连摘三冠，对于中国开源力量而言，或许还只是一个开端。

有一说一，打从DeepSeek爆火、Llama 4翻车，要说开源领域哪股势力最为活跃，成为新的风潮引领者，还得看神秘的东方力量。

每有开源新王诞生，DeepSeek、Qwen、Kimi……看来看去，还是made in China。

「中国确实将开源提升到了一个新高度」，越来越多地被讨论、被赞同。

关键是，正如黄仁勋最新一次在北京所说，开源模型方面，「中国发展速度极快」。

以Qwen为例，目前，阿里已开源300余款通义大模型，通义千问衍生模型突破14万个，已经真真正正超越此前的全球开源老大Llama系列，成为全球第一开源模型家族。

阿里方面透露，未来三年，阿里巴巴还将投入超过3800亿元用于建设云和AI硬件基础设施，持续升级全栈AI能力。

更重要的是，开源和闭源的差距也正在这种中国速度中被压缩。

增长曲线的交叉点何时出现？尚未可知，但国产模型的身位已经实实在在排在了全球最前沿。

文章来自于“量子位”，作者“鱼羊”。