🚀 **下一代模型架构Qwen3-Next发布**：Qwen团队推出了其下一代模型架构Qwen3-Next，并以此为基础发布了Qwen3-Next-80B-A3B-Base、Qwen3-Next-80B-A3B-Instruct和Qwen3-Next-80B-A3B-Thinking三款新模型。Qwen3-Next-80B-A3B-Base模型拥有800亿参数，但其训练成本仅为Qwen3-32B的十分之一不到，而长上下文（32k以上）推理吞吐量却能达到后者的十倍以上，实现了性能与成本的显著优化。

💡 **核心技术创新驱动性能飞跃**：Qwen3-Next在四大方面进行了重要改进：1. **混合注意力机制**，采用Gated DeltaNet并结合标准注意力，兼顾长上下文处理效率与召回能力；2. **高稀疏度MoE结构**，通过扩展专家数量（512个总专家，10+1路由专家）和每次推理仅激活少量参数（约30亿），提升资源利用率；3. **训练稳定性优化**，引入Zero-Centered RMSNorm并对MoE router参数进行初始化归一化，确保训练过程的稳定性和结果的可靠性；4. **多token预测机制（MTP）**，提升了模型主干性能和Speculative Decoding的接受率。

📈 **显著的性能提升与成本效益**：新模型在训练上仅使用了Qwen3 36T预训练语料的15T tokens子集，GPU Hours相比Qwen3-30A-3B的80%还少，而性能更优。在推理效率方面，Qwen3-Next-80B-A3B在4k上下文长度下吞吐量接近Qwen3-32B的7倍，超过32k时更是达到10倍以上。Instruct和Thinking版本模型在各项基准测试中均表现出色，Instruct版本在长文本处理上优势明显，Thinking版本在多项测试中超越了Gemini-2.5-Flash-Thinking。

🧠 **强大的多模态与推理能力实测**：通过实际测试，Qwen3-Next-80B-A3B模型展现了强大的数学竞赛题解答能力，能够准确给出解题思路和答案。同时，它还能成功生成可玩的扫雷游戏代码，并处理用户生成的图片生成天气卡片等任务，证明了其在多模态理解和内容生成方面的广泛应用潜力。

Qwen下一代模型架构，抢先来袭！

Qwen3-Next发布，Qwen团队负责人林俊旸说，这就是Qwen3.5的抢先预览版。

基于Qwen3-Next，团队先开源了Qwen3-Next-80B-A3B-Base。

模型参数80B，但训练成本连Qwen3-32B的十分之一都不到，并且在32 k以上的上下文推理吞吐能达到后者的十倍以上。

基于这一模型，团队接连出手，同步开发并发布了两大新模型：

Qwen3-Next-80B-A3B-Instruct：在256K超长上下文处理任务中展现出显著优势。

Qwen3-Next-80B-A3B-Thinking：在多项基准测试中超越闭源模型Gemini-2.5-Flash-Thinking。

网友表示，这更新频率令人震惊。

话不多说，赶紧来看看新模型有哪些改进吧。

4大重要改进

Qwen3-Next的核心改进有4方面：

混合注意力机制 高稀疏度MoE结构 稳定性优化 多token预测机制

混合注意力机制

线性注意力在长上下文处理中效率很高，但召回能力有限，而标准注意力计算开销大、推理效率低，单独使用均存在局限。

为此，Qwen团队引入Gated DeltaNet，其在上下文学习能力上优于常用的滑动窗口注意力和Mamba2，并在采用3:1的混合策略（75%层使用 Gated DeltaNet，25%层保留标准注意力）时，兼顾性能与效率。

同时，在保留的标准注意力层中，他们进一步引入了多项优化设计：

1、延续先前工作的输出门控机制，以缓解注意力中的低秩问题；

2、将单个注意力头的维度从128扩展至256；

3、仅对注意力头前25%的维度加入旋转位置编码，以增强长序列外推能力。

高稀疏度MoE结构

Qwen3-Next采用高稀疏度的MoE架构，总参数量达800亿，但每次推理仅激活约30亿参数。

相比Qwen3-MoE的128个总专家和8个路由专家，Qwen3-Next 扩展到512个总专家，并采用10路由专家加1共享专家的组合设计，在保证性能的前提下最大化资源利用率。

训练稳定性优化

在Qwen3-Next中，团队为进一步提高模型稳定性，采用了Zero-Centered RMSNorm，并在此基础上，对norm weight施加weight decay，以避免权重无界增长。

不仅如此，他们还在初始化时归一化了MoE router的参数，确保每个expert在训练早期都能被无偏地选中，减小初始化对实验结果的扰动。

多token预测机制

Qwen3-Next引入了原生Multi-Token Prediction（MTP） 机制，不仅获得了Speculative Decoding接受率较高的MTP模块，还提升了模型主干的整体性能。

此外，它还对MTP的多步推理进行了专项优化，即通过训练推理一致的多步策略，进一步提高了在实际应用场景下Speculative Decoding的接受率。

快10倍，但便宜10倍

接下来，让我们一起看看新模型表现如何。

首先，Qwen3-Next使用了Qwen3 36T预训练语料的均匀采样子集，仅包含15T tokens。

其训练所需的GPU Hours不到 Qwen3-30A-3B的80%，相比 Qwen3-32B，仅需9.3%的GPU计算资源就能取得更优性能。

不仅如此，得益于创新的混合模型架构，Qwen3-Next在推理效率上也表现突出。

与Qwen3-32B相比，Qwen3-Next-80B-A3B在预填充（prefill）阶段就展现出卓越的吞吐能力：

在4k tokens的上下文长度下，吞吐量接近前者的7倍；当上下文长度超过32k时，吞吐提升更是达到10倍以上。

在解码（decode）阶段，该模型同样高效。4k上下文吞吐量提升约4倍，长上下文（32k+）场景中仍可保持超过10倍的吞吐优势。

基于Qwen3-Next，Qwen团队首先训练了Qwen3-Next-80B-A3B-Base模型。

该模型仅使用十分之一的Non-Embedding激活参数，就已在大多数基准测试中超越Qwen3-32B-Base，并显著优于Qwen3-30B-A3B，展现出出色的效率与性能优势。

基于Qwen3-Next-80B-A3B-Base的优异表现，团队进一步开发并发布了Qwen3-Next-80B-A3B-Instruct与Qwen3-Next-80B-A3B-Thinking。

Qwen3-Next-80B-A3B-Instruct

首先，Qwen3-Next-80B-A3B-Instruct的表现显著优于 Qwen3-30B-A3B-Instruct-2507和Qwen3-32B-Non-thinking，并在多数指标上接近Qwen3-235B-A22B-Instruct-2507。

除此之外，在RULER测试中，无论上下文长度如何，Qwen3-Next-80B-A3B-Instruct 的表现均超过了层数相同但注意力层更多的Qwen3-30B-A3B-Instruct-2507。

甚至在256 k范围内也优于层数更多的Qwen3-235B-A22B-Instruct-2507，充分体现了Gated DeltaNet与Gated Attention混合模型在长文本处理场景下的优势。

Qwen3-Next-80B-A3B-Thinking

再来看Qwen3-Next-80B-A3B-Thinking，其表现也相当不错。

在多项基准测试中都超过了闭源模型Gemini-2.5-Flash-Thinking，并在部分指标上接近Qwen最新的旗舰模型 Qwen3-235B-A22B-Thinking-2507。

推理能力相当可以

接下来让我们实测一下Qwen3-Next-80B-A3B的推理能力。

使用Qwen Chat网页，一上来就给它扔一道AIME数学竞赛题试试：

由于Qwen3-Next-80B-A3B支持多模态，这里我们可以直接上传图片。

几乎瞬间，模型就开始飞快地列出了详细解题思路和计算过程，最终得到的答案“588”与AIME标准答案完全吻合。

小试牛刀之后，接下来进入编程环节。

用p5js创建一个可直接玩的扫雷游戏。

代码成功运行后，我们也简单试玩了一下，流畅度还可以（doge）。

就是谁能解释一下为什么这个游戏背景是大红色，还没有网格线？？？

还有网友奇思妙想，用它生成了天气卡片。

不过，看到这个更新时，网友开心之余还是忍不住吐槽：

名字实在太复杂了。

参考链接：

[1]https://x.com/Alibaba_Qwen/status/1966197643904000262

[2]https://x.com/JustinLin610/status/1966199996728156167

[3]https://mp.weixin.qq.com/s/STsWFuEkaoUa8J8v_uDhag?scene=1

本文来自微信公众号“量子位”，作者：时令 ，36氪经授权发布。