ARTICLE / 极客公园

为什么 Qwen3,让我看到了 AI 应用落地的重大利好

2025年05月20日 13:41 · 来自 极客公园

阅读原文 → 收藏

各位有没有发现,最近大家对大模型已经有些看麻了?反正我是看到相关话题的文章流量、社交平台上的热度,对模型的关注度明显有点降下来了。 比如最近 Qwen3、Gemini2.5、GPT-4.1 和 Grok-3 等这么密集的有明显新进展的优秀模型发布,要是放到 2 年前,铁定是个炸裂的一个月。 不过当我在开发者群体里问了一圈后,发现大家实际的情况倒不是「麻了」,而是把「旁观的兴奋」变成了「行动上的提速」,开发者们对模型开始从「看」到「干」,已经转变了关注视角——模型的能力进步之外,是不是一个可以对自己所做的事情带来能力明显提升,或者说这个模型和开发者的「对齐」到底怎么样,开始整了一个重要视角。 比如 Qwen3 发之前身边的很多创业者和开发者就都知道 Qwen 团队在憋大招,不仅提早一个多月就在「蹲守」,而且也在第一时间就把他们手中正在开发的 AI 应用背后的模型切到了 Qwen3。最近跟他们聊起模型层面的新变化,发现 Qwen3 被提及的越来越多。 在他们看来,像过去两年那样只是看模型跑分来评价模型性能已经没有太大意义,因为随着模型能力的继续提升有了明确路径——预训练+后训练+强化学习,很多评测基准评估的比如像代码、写作等单项能力各家都会拉平,更重要的是它已经不能反映现实环境中实际使用模型的场景,尤其是今年按下了 AI Agent 应用的加速键后。 从这个角度看,Qwen3 在模型基础能力的提升之外,其实是向开发者层面的真实需求和场景做了大量「对齐」,可以说是专为开发者和企业易于采用来设计和打磨的。 举个例子,Qwen3 整体的一个优化目标就是以更低的成本实现强劲的性能,让开发者更容易能用起来、用得好,在这背后 Qwen3 其实做了大量目标拆解和技术实现,比如之前最受企业欢迎的 Qwen 模型尺寸其实是 72B,但在收到开发者反馈,说 72B 需要两张 H800 才能跑、不方便时,Qwen 团队探索了现在更高效的 32B,开发者也用得更好了。 Qwen3 的这条路径其实很有启发意义,通过在实际场景里向开发者做「对齐」来持续优化,Qwen3 也正在成为企业和开发者的「AI 应用落地最优解」。有了这样的预期,顺着模型的持续、全面迭代,水