Qwen 团队于 2025 年 7 月 30 日开源了 Qwen3-30B-A3B-Instruct-2507，它是 Qwen3-30B-A3B 非思考模式的升级版本，该模型在多个核心能力上进行了显著增强。

Qwen3-30B-A3B-Instruct-2507 是一款经过全面优化的因果语言模型，其核心优势在于：

  • 综合能力显著提升：在指令遵循、逻辑推理、文本理解、数学、科学、代码和工具使用等通用能力上取得了巨大进步。
  • 知识覆盖更广：大幅增强了多语言场景下的长尾知识覆盖范围。
  • 用户对齐更优：在主观和开放式任务中能更好地符合用户偏好，生成更有帮助和更高质量的文本。
  • 长上下文能力增强：提升了在 256K 长上下文理解方面的能力。

xxx

模型规格

  • 模型类型：因果语言模型 (Causal Language Models)，仅支持非思考模式。
  • 参数量：总参数量为 30.5B，激活参数量为 3.3B。
  • 模型架构：采用混合专家模型 (MoE) 架构，包含 48 个层、128 个专家（每次激活 8 个）。
  • 上下文长度：原生支持 262,144 (256K) tokens 的上下文长度。

性能表现

该模型在多个行业标准测试基准 (Benchmark) 中展现出强大的竞争力，其表现在多个方面可与 GPT-4o-0327 和 Gemini-2.5-Flash 等顶尖模型媲美或超越。

  • 推理能力：在 AIME25 (数学) 和 ZebraLogic (逻辑) 等测试中得分尤为突出，显著优于其前代模型和其他对比模型。
  • 代码能力：在 MultiPL-E 等多语言代码生成测试中表现优异。
  • 对齐能力：在 Arena-Hard v2、Creative Writing v3 和 WritingBench 等评估模型与人类偏好对齐程度的测试中，得分大幅领先其前代模型，并超过了 GPT-4o。

使用与部署

  • 快速上手：模型已集成到最新的 Hugging Face transformers 库中，用户可以通过标准代码片段进行调用。
  • 服务部署：推荐使用 sglang (>=0.4.6.post1) 或 vllm (>=0.8.5) 进行服务化部署，以创建与 OpenAI 兼容的 API 端点。
  • Agent 能力：推荐使用官方 Qwen-Agent 框架来充分利用其强大的工具调用能力，简化 Agent 应用的开发。
  • 本地运行：Ollama、LMStudio、llama.cpp 等本地化应用也已支持该模型。

最佳实践

  • 采样参数：为获得最佳效果，建议设置 Temperature=0.7, TopP=0.8。
  • 输出长度：建议为大多数查询设置 16,384 tokens 的最大输出长度。
  • 提示工程：在处理特定任务时，使用标准化的提示语可以提升效果。例如，在解决数学问题时，在提示中加入 “Please reason step by step, and put your final answer within \boxed{}."。