Qwen 3 — это серия языковых моделей от Alibaba Cloud, выпущенная в апреле 2025 года. Линейка включает модели с различным числом параметров — от 0,6 до 235 миллиардов, что позволяет использовать их как в крупных проектах, так и в небольших компаниях.
Модели Qwen 3 показывают высокие результаты в задачах, связанных с программированием, математикой и обработкой текста на нескольких языках. Они поддерживают 119 языков, включая русский, английский и китайский.
В статье мы рассмотрим основные характеристики Qwen 3, её производительность на стандартных тестах, сравним с другими популярными моделями, такими как GPT-4o и Claude 3.7 Sonnet, и приведём примеры использования.
Основные характеристики Qwen 3
Модели обучены на датасете из 36 триллионов токенов, что в два раза больше, чем у предыдущей версии Qwen2.5. Это масштабный корпус из примерно, включающий тысячи страниц текстов с веб-страниц, PDF-документов и синтетические данные по математике, программированию и другим областям. В линейку входят восемь моделей:
Две модели с архитектурой смеси экспертов (MoE): Qwen3-235B-A22B (235 миллиардов параметров, из которых 22 миллиарда активны) и Qwen3-30B-A3B (30 миллиардов параметров, 3 миллиарда активных).
Шесть плотных моделей с числом параметров от 0,6 до 32 миллиардов.
Qwen 3 обладает рядом особенностей, которые делают её конкурентоспособной среди других языковых моделей:
Размер и параметры: Модели варьируются от 0,6 до 235 миллиардов параметров. В линейке есть модели с архитектурой смеси экспертов (MoE), которые активируют только часть параметров, что повышает эффективность.
Скорость генерации: Архитектура MoE позволяет активировать только часть параметров, что делает модели более экономичными по вычислительным затратам по сравнению с плотными аналогами.
Поддержка языков: Модели поддерживают 119 языков, включая русский. Они адаптированы к грамматическим и культурным особенностям разных языков.
Работа со структурированными данными: Qwen 3 оптимизирована для анализа документов в форматах PDF, таблиц Excel и JSON, что полезно для бизнес-задач.
Безопасность: В моделях встроены механизмы, предотвращающие генерацию нежелательного контента, что соответствует стандартам этичного использования ИИ.
Производительность на тестах
Qwen 3 показывает высокие результаты на стандартных тестах, особенно в задачах, связанных с программированием, математикой и общим пониманием. Ниже приведены показатели для основных моделей:
Эти данные основаны на официальных тестах Alibaba. Они показывают процент выполненных задач в тех или иных бенчмарках. Например, в бенчмарке LiveCodeBench, который тестирует способность модели создавать код для реальных рабочих задач, Qwen 3 235B показала результат в 70.7% успешно выполненных задач. В то же время, в тестировании GPQA модель показлаа результат в 68.2%. Оно состоит из более чем 4000 задач уровня выпускников университетов в таких областях науки, как биология, физика, химия и др.
Модель Qwen3-235B-A22B показывает результаты, сравнимые с такими моделями, как Gemini 2.5 Pro, особенно в задачах программирования (CodeForces Elo: 2056) и математики (AIME’25: 81.5). Меньшие модели, например Qwen3-4B, также демонстрируют хорошие результаты, превосходя более крупную модель GPT-4o.
Сравнение с другими моделями
Чтобы оценить позицию Qwen 3 на рынке, сравним её с популярными моделями, такими как GPT-4o от OpenAI и Claude 3.7 Sonnet от Anthropic:
MMLU-Pro (Massive Multitask Language Understanding) проверяет общие знания и способность рассуждать по самым разным предметным областям (история, наука, математика и т. д.). Qwen3-235B-A22B набирает 84 % (GPT-4o — 87 %, Claude 3.7 Sonnet — 80.3 %).
HumanEval оценивает умение писать корректный код по текстовому описанию задачи (Python-функции). В этом тесте Qwen3-235B-A22B получает 95 %, тогда как GPT-4o и Gemini 2.5 Pro — по 99 % (данные по Claude 3.7 Sonnet в отчёте не указаны).
Экономичность:
Благодаря архитектуре MoE, Qwen 3 может быть более экономичной в использовании. Стоимость за генерацию 1 тысячи токенов в GPTunneL для Qwen3-235B-A22B составляет 0.18 ₽, что ниже, чем у GPT-4o (2.7 ₽) и Claude 3.7 (4.5 ₽). Стоимость генерации можно посмотреть здесь.
Генеративные задачи: где Qwen 3 блистает
Qwen 3 особенно сильна в генеративных задачах — от кода до креативного письма. Ниже пять ключевых сценариев с примерами и готовыми промптами.
1. Генерация кода
Qwen 3 демонстрирует высокие результаты в программировании. Она способна генерировать код на Python, JavaScript, SQL и других языках с высокой точностью.
Пример: Разработчик получает готовый REST API на Python с минимальными правками.
Попробуйте этот промпт для Qwen 3: «Разработай сервер на Python (Flask), обрабатывающий загрузку CSV-файлов с пользовательскими данными, сохраняющий их в SQLite и возвращающий API-ответ с количеством строк и полем последнего пользователя. Добавь валидацию входного файла.»
Преимущество: Ускоряет разработку, автоматизируя рутинные задачи и помогая в отладке.
2. Создание многоязычного контента
Поддержка 119 языков позволяет Qwen 3 генерировать маркетинговые и технические тексты, адаптированные под культурные особенности.
Пример: Международная компания получает рекламные тексты на русском, китайском и английском, готовые к размещению.
Попробуйте этот промпт для Qwen 3: «Создай рекламный блок для международного сайта авиакомпании: по 2 предложения на английском, французском и арабском, в стиле "приглашения к приключению", избегая клише. Учти культурные особенности и местные метафоры.»
Преимущество: Экономит время и ресурсы на перевод и адаптацию, обеспечивая высокое качество.
3. Генерация образовательных материалов
Qwen 3 может создавать учебные задания, тесты и пошаговые решения, особенно в математике и программировании.
Пример: Образовательная платформа автоматически получает задачу по алгебре с разъяснением каждого шага.
Попробуйте этот промпт для Qwen 3 «Составь нестандартную задачу по алгебре для 9 класса: с системой двух уравнений, где один из коэффициентов задан через параметр. Приведи поэтапное объяснение решения и сформулируй подсказку для учеников с низкой мотивацией.»
Qwen 3 способна создавать сценарии, рассказы и диалоги для игр, фильмов или маркетинговых кампаний.
Пример: Студия разработки игр получает диалоги персонажей в стиле фэнтези, сохранив логическую последовательность.
Попробуйте этот промпт для Qwen 3: «Напиши диалог между андроидом-художником и архивариусом-роботом, обсуждающими исчезнувшее человечество. Тон — философский, с нотами иронии. Каждая реплика должна раскрывать культурные отсылки к эпохе 2000-х годов.»
Преимущество: Ускоряет процесс создания контента и снижает расходы на сценаристов.
5. Перевод и локализация
Модель не только переводит тексты, но и адаптирует их под культурные особенности целевой аудитории.
Пример: Qwen 3 переводит техническую документацию с английского на русский, добавляя локальные термины и пояснения.
Попробуйте этот промпт для Qwen 3: «Переведи технический текст с английского на русский, сохранив стиль документации, но адаптируя фразы под российскую аудиторию: “Deploy the containerized backend via Kubernetes with persistent volumes and load balancing.” Объясни термины в скобках.»
Преимущество: Повышает точность и доступность контента для разных аудиторий.
Как использовать Qwen 3 через GPTunneL
Платформа GPTunneL позволяет легко работать с моделями Qwen 3. Доступны следующие модели:
Бесплатная версия Qwen3-4B позволяет протестировать модель без затрат. Это удобно для студентов, разработчиков и небольших компаний.
Чтобы начать работу:
Зарегистрируйтесь на сайте GPTunneL.
Пополните свой баланс – достаточно и 100 рублей на генерацию.
Перейдите в раздел моделей и выберите Qwen.
Выберите нужную модель.
Введите запросы и работайте с моделью через интерфейс.
На платформе также есть руководства и поддержка для пользователей.
Заключение
Qwen 3 сочетает высокую производительность, экономичность и доступность. Она подходит для различных задач, от программирования до создания контента, и может быть полезна как для бизнеса, так и для разработчиков и образовательных учреждений.
Через платформу GPTunneL можно легко протестировать модели Qwen 3, включая бесплатную версию Qwen3-4B. Qwen 3 показывает, что открытые модели могут быть конкурентоспособными и инновационными, открывая новые возможности для использования ИИ.
