成本暴降90%！阿里深夜幹了件大事
來源：倍可親(backchina.com)9月12日凌晨，阿里通義實驗室正式發布下一代基礎模型架構Qwen3-Next，並訓練了基於該架構的Qwen3-Next-80B-A3B-Base模型，該模型擁有800億個參數僅激活30億個參數。
Base模型在Qwen3預訓練數據的子集15T tokens上進行，僅需Qwen3-32B 9.3%的GPU計算資源，針對超過32k的上下文，推理吞吐量可達到Qwen3-32B的10倍以上。
同時，基於Base模型，阿里開源了Qwen3-Next-80B-A3B的指令模型（Instruct）和思維模型（Thinking），模型支持原生262144個token上下文長度，可擴展至1010000個token。
其中，Qwen3-Next-80B-A3B-Instruct僅支持指令（非思考）模式，其輸出中不生成塊；Qwen3-Next-80B-A3B-Thinking僅支持思考模式，為了強制模型進行思考，默認聊天模板自動包含。
指令模型的性能表現與參數規模更大的Qwen3-235B-A22B-Instruct-2507相當，思維模型優於谷歌閉源模型Gemini-2.5-Flash-Thinking。
在架構升級方面，相比阿里4月底的Qwen3 MoE模型，新增了混合注意力機制、高稀疏度MoE結構、一系列訓練穩定友好的優化，以及提升推理效率的多Token預測（MTP）機制等。
新模型已在魔搭社區和HuggingFace開源，開發者們也可通過Qwen Chat免費體驗或阿里雲百鍊、NVIDIA API Catalog體驗Qwen3-Next。
開發者在Qwen的X評論區稱讚其新增的多Token預測（MTP）機制，稱這是最令人印象深刻的部分。
思維模型測試基準
阿里雲百鍊：https://bailian.console.aliyun.com/?tab=model#/model-market/detail/qwen3?modelGroup=qwen3
一、指令模型接近235B旗艦模型，推理模型超Gemini-2.5
Qwen3-Next模型支持原生262144個token上下文長度，可擴展至1010000個token。
總的來看在性能方面，指令模型接近阿里參數規模235B的旗艦模型，思維模型表現優於Gemini-2.5-Flash-Thinking。
其基座模型為Qwen3-Next-80B-A3B-Base，僅使用1/10的Non-Embedding激活參數，在大多數基準測試中，性能表現與Qwen3-32B-Base相近。但其總訓練成本為Qwen3-32B-Base的10%不到，並且對於超過32K上下文的推理吞吐是Qwen3-32B的10倍以上。
得益於其新的混合模型架構，Qwen3-Next在推理效率方面，與Qwen3-32B相比，Qwen3-Next-80B-A3B在預填充（prefill）階段，在4k tokens的上下文長度下，吞吐量接近前者的7倍，當上下文長度超過32k時，吞吐提升達到10倍以上。
在解碼（decode）階段，該模型在4k上下文下實現近4倍的吞吐提升，在超過32k的長上下文場景中能保持10倍以上的吞吐優勢。
具體來看，其指令模型表現優於Qwen3-30B-A3B-Instruct-2507和Qwen3-32B-Non-thinking，並取得了幾乎與參數規模更大的Qwen3-235B-A22B-Instruct-2507模型相近的結果。
只有在面向大模型的綜合性評測基準、高難度數學推理基準AIME25中，指令模型的表現略遜色於Qwen3-235B-A22B-Instruct-2507，在編程、複雜問答與長對話的評測中表現更好。
Qwen3-Next-80B-A3B-Instruct在RULER上所有長度的表現明顯優於層數相同、注意力層數更多的Qwen3-30B-A3B-Instruct-2507，甚至在256k範圍內都超過了層數更多的Qwen3-235B-A22B-Instruct-2507。
思維模型的表現優於預訓練成本更高的Qwen3-30B-A3B-Thinking-2507、Qwen3-32B-thinking，全面超過了谷歌的閉源模型Gemini-2.5-Flash-Thinking，並在部分指標上接近阿里最新旗艦模型Qwen3-235B-A22B-Thinking-2507。
二、混合注意力、MoE、穩定優化、多Token預測加持
研究人員在博客中提到，Qwen3-Next是針對大模型在上下文長度和總參數兩方面不斷擴展（Scaling）的未來趨勢而設計。
Qwen3-Next採用的是Qwen3 36T預訓練語料的一個均勻採樣子集，包含15T tokens。其訓練所消耗的GPU Hours不到Qwen3-30A-3B的80%；與Qwen3-32B相比，僅需9.3%的GPU計算資源，即可實現更優的模型性能。
這一模型結構相較其4月底推出的Qwen3的MoE模型，新增了多種新技術並進行了核心改進，包括混合注意力機制、高稀疏度MoE結構、一系列訓練穩定友好的優化，以及提升推理效率的多Token預測（MTP）機制等。
混合注意力機制：用Gated DeltaNet（線性注意力）和Gated Attention（門控注意力）的組合替換標準注意力，實現超長上下文長度的有效上下文建模。
研究人員發現Gated DeltaNet相比常用的滑動窗口注意力（Sliding Window Attention）和Mamba2有更強的上下文學習能力, 並在3:1的混合比例下，即75%層使用Gated DeltaNet，25%層保留標準注意力，能一致超過超越單一架構，實現性能與效率的雙重優化。
同時在保留的標準注意力中，研究人員進一步引入多項增強設計，包括沿用先前工作的輸出門控機制，緩解注意力中的低秩問題，將單個注意力頭維度從128擴展至256，僅對注意力頭前25%的位置維度添加旋轉位置編碼，提高長度外推效果。
高稀疏度混合專家（MoE）：在MoE層中實現極低的激活比率，大幅減少每個token的FLOPs，同時保留模型容量。研究人員的實驗表明，在使用全局負載均衡后，當激活專家固定時，持續增加專家總參數可帶來訓練loss的穩定下降。
此前，Qwen3系列的MoE專家激活比約為1比16，Qwen3-Next實現了1比50的激活比。
穩定性優化：包括零中心化和權重衰減layernorm等技術，以及其他增強穩定性以實現魯棒的預訓練和后訓練。研究人員發現，注意力輸出門控機制能消除注意力池與極大激活等現象，保證模型各部分的數值穩定。
多Token預測（MTP）：提升預訓練模型性能並加速推理，Qwen3-Next特別優化了MTP多步推理性能，通過訓練推理一致的多步訓練，進一步提高了實用場景下的Speculative Decoding接受率。
結語：3B激活參數對標旗艦模型！阿里憑架構創新為模型降本提速Qwen3-Next的突破點在於同時實現了大規模參數容量、低激活開銷、長上下文處理與并行推理加速。此外結合注意力機制、MoE設計等方面的多項架構創新，阿里通義此次實現僅激活3B參數模型就能對標規模更大模型的性能，使得模型在性能與效率之間找到更佳平衡點，同時為降低模型訓練、推理成本提供了有效路徑。 研究人員在博客提到，未來他們將持續優化這一架構並開發Qwen3.5。與此同時近期阿里通義已經推出數個不同領域的模型，如超萬億參數的Qwen3-Max-Preview、文生圖及編輯模型Qwen-Image-edit、語音識別模型Qwen3-ASR-Flash等。隨著其多領域模型的持續落地與開源，阿里通義在開源社區的技術影響力正逐步增強。