阿里开源Qwen3-30B-A3B-Thinking-2507模型，Agent能力大幅提升，支持百万级上下文窗口，性能超越谷歌同类产品。
核心内容：
Qwen3-30B-A3B-Thinking-2507模型的核心技术参数与架构特点
在Agent智能体、数学推理、编程等任务上的性能突破
开源生态布局与开发者社区反馈
今天凌晨，阿里巴巴开源了 Qwen3 家族最新模型 Qwen3-30B-A3B-Thinking-2507。
2507 与之前阿里开源的 Qwen3-30B-A3B-Thinking 和 Qwen3-235B-A22B-Thinking 相比，在 Agent 智能体、AIME25 数学、LiveCodeBench 编程、GPQA解决复杂能力等方面，性能全部实现大幅度提升。
同时，2507 也超过了谷歌的最新小参数模型 Gemini-2.5-Flash-Thinking。
开源地址：https://huggingface.co/Qwen/Qwen3-30B-A3B-Thinking-2507
https://modelscope.cn/models/Qwen/Qwen3-30B-A3B-Thinking-2507
对于阿里的新模型，网友表示，疯狂优秀的本地模型，绝对是我能在 20GB 以内装下的最佳选择。思考模式 真的带来了天壤之别，恭喜你们，太给力了！
对于这么小的一个模型而言，它在各方面的性能提升都令人印象深刻。
不错，性能很强。现在只需要融合多模态能力，并支持 8 小时的音频和视频转录等功能就更好了。
干得漂亮，各位。真难以想象完成这项工作付出了多少努力，那些不眠之夜和全神贯注的时刻。
Qwen 团队的工作令人赞叹！Qwen3-30B-A3B-Thinking-2507 模型在推理能力上的提升以及超大的上下文窗口具有颠覆性意义，为复杂问题的解决开辟了令人期待的新可能。期待探索它的潜力！
干的非常好，Qwen 做的很棒。
Qwen3-30B-A3B-Thinking-2507 总参数量达到 305 亿，其中激活的参数量为 33 亿，非嵌入参数量为 299 亿。该模型包含 48 层，采用 Grouped Query Attention 机制，Q 的注意力头数为 32，KV 的注意力头数为 4。
此外，它还具备 128 个专家，其中激活的专家数量为 8。原生支持 256K 上下文，但通过扩展可增加至 100 万。
在性能方面，Qwen3-30B-A3B-Thinking-2507 相比其他模型在多个任务上都有出色表现。例如，在知识类的 MMLU-Pro 任务中得分为 80.9、MMLU-Redux 为 91.4、GPQA 为 73.4、SuperGPQA 为 56.8；在推理类的 AIME25 任务中得分为 85.0、HMMT25 为71.4、LiveBench 20241125 为 76.8；
在编码类的 LiveCodeBench v6（25.02 – 25.05）任务中得分为 66.0、CFEval 为 2044、OJBench 为 25.1；在对齐类的 IFEval 任务中得分为 88.9、Arena-Hard v2 为 56.0、Creative Writing v3 为 84.4、WritingBench 为 85.0；
在 Agent 智能体类的 BFCL – v3 任务中得分为 72.4、TAU1 – Retail 为 67.8、TAU1 – Airline 为 48.0、TAU2 – Retail 为 58.8、TAU2 – Airline 为 58.0、TAU2 – Telecom 为 26.3；
在多语言类的 MultiIF 任务中得分为 76.4、MMLU-ProX 为 76.4、INCLUDE 为 74.4、PolyMATH 为 52.6。
Qwen3-30B-A3B-Thinking-2507 在工具调用能力方面表现出色，推荐使用 Qwen – Agent 来充分发挥其代理能力，Qwen – Agent 内部封装了工具调用模板和工具调用解析器，大大降低了编码复杂性。可以通过 MCP 配置文件、Qwen – Agent 的集成工具或自行集成其他工具来定义可用工具。
为了达到最佳性能，建议采用这些设置：在采样参数方面，建议使用温度为 0.6、TopP 为 0.95、TopK 为 20、MinP 为 0，对于支持的框架，还可以在 0 到 2 之间调整 presence_penalty 参数以减少无休止的重复，但使用较高值可能会偶尔导致语言混合和模型性能略有下降；
在输出长度方面，建议大多数查询使用 32768 个 token 的输出长度，对于高度复杂问题如数学和编程竞赛的基准测试，建议将最大输出长度设置为 81920 个 token，为模型提供足够的空间来生成详细全面的回答，从而提升整体性能。
END
[登录查看剩余 70% 内容](javascript:void (0);)
开源大模型开源大模型是什么意思开源大模型有哪些
分享：
用微信扫描二维码
用微信扫描二维码
用微信扫描二维码
用微信扫描二维码
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业
上一篇：一个不卷大模型的清华学霸，率先用AI赚到了钱下一篇：Coze：打造智能高效的股票交易系统
返回列表
相关资讯
2026-07-25 Codex 终于能自由切模型了：Claude、Kimi、Grok、GPT 都能接进来2026-07-25 AI 数据最难搞的 Harness 工程，被北大开源了！2026-07-24 【开源项目】AI写的文章满篇AI味？这个工具直接在Word里帮你标好改哪2026-07-24 Gemma 4 助力 Cue 打造极速端侧语音智能体交互体验2026-07-24 阿里开源0.8B文档解析模型，端到端模型首次超越流水线方法2026-07-24 吴恩达开源 OpenWorker：一个交付成品而不是对话的 AI 智能体桌面应用2026-07-23 梁文锋四小时投资人会议实录2026-07-22 微软开源 Resource2Skill：把教程、代码和文档“炼”成 Agent Skill
联系获取
联系获取
160+中大型企业正在使用53AI
[立即咨询](javascript:void(0))[预约演示](javascript:void(0))
把握AI发展的机遇，共同探索、共同进步 2025-01-22如何打造基于GenAI的员工服务机器人 2025-01-22
