本日午前1時、アリババはQwen3シリーズの新バージョン、Qwen3-235B-A22B-2507をオープンソース化しました。
意外なことに、アリババは混合思考モデルの使用を停止し、新版Qwen3は非思考推論モデルとして、命令チューニングモデルに戻りましたが、その性能は非常に強力です。
アリババが公開したデータによると、新版Qwen3は、知識、推論、コード、アライメント、エージェント、多言語テストの6つの主要カテゴリ数十のベンチマークにおいて、DeepSeekがオープンソース化した新版V3-0324モデルを大幅に上回りました。
例えば、SimpleQAテストではDeepSeekV3が27.2点に対し、新版Qwen3は54.3点でした。CSimpleQAテストではDeepSeekV3が71.1点に対し、新版Qwen3は84.3点でした。
ZebraLogicテストではDeepSeekV3が83.4点に対し、新版Qwen3は95点でした。WritingBenchテストではDeepSeekV3が74.5点に対し、新版Qwen3は85.2点でした。TAU-AirlineテストではDeepSeekV3が32.0点に対し、新版Qwen3は44.0点でした。PolyMATHテストではDeepSeekV3が32.2点に対し、新版Qwen3は50.2点でした。
同様に、新版Qwen3は月之暗面が最近オープンソース化したKimi-K2をも上回っています。
オープンソースアドレス：https://huggingface.co/Qwen/Qwen3-235B-A22B-Instruct-2507
https://modelscope.cn/models/Qwen/Qwen3-235B-A22B-Instruct-2507
あるネットユーザーは、「私が評価したすべての中規模大規模言語モデルの中で、プロンプトに厳密に従う点でQwenに匹敵するものはありませんでした。どのような秘密のレシピを使っているのか分かりませんが、この水準を維持し続けてください。」とコメントしました。
「わあ、これは新しい思考なしモデルが、これらすべてのベンチマークでKimiK2を打ち負かしたということですか？」
「印象的な最適化改善です。」
「素晴らしい仕事仲間たち、よくやった。でも、いつ小型モデルをリリースできるの？」
「すでにKimi-K2を打ち負かしました。」
「KimiK2の単一ターンコーディングを比較しました。プロンプトは『HTMLファイルで完全なPOSシステムを作成し、素晴らしいデザインでモバイルに適していること』でした。私はKimiK2よりもQwen3に感銘を受けました。」
「Qwenチームの今回のアップデートは素晴らしいです！新版Qwen3-235B-A22B-Instruct-2507は、命令モデルと思考モデルを別々に訓練するモードを採用しており、このアプローチは非常に賢明で、モデルの性能と多機能性を向上させるものと期待されます。この革新的な成果のさらなる発展を楽しみにしています！」
「正直言って、あなたのチームが大好きです！このまま頑張ってください！視覚言語バージョンのリリースが超楽しみです！」
新版Qwen3は合計2350億個のパラメータを持ち、そのうち220億個がアクティブです。非埋め込みパラメータの数は2340億で、94層、64のクエリヘッドと4のキーバリューヘッドを持つグループ化クエリアテンションメカニズムを採用しています。128のエキスパートを持ち、そのうち8つがアクティブです。そのネイティブコンテキスト長は262144をサポートしています。
新版Qwen3は、命令追従、論理推論、テキスト理解、数学、科学、プログラミング、ツール使用などの汎用能力において大幅な最適化が行われました。また、多言語におけるロングテール知識のカバー範囲でも顕著な進歩を遂げ、主観的および開放的なタスクにおいてユーザーの好みに高いアライメントを示し、より役立つ高品質なテキストを生成できるようになりました。同時に、256Kの長文コンテキストの理解能力も強化されています。
パフォーマンスの面では、Qwen3-235B-A22B-Instruct-2507は複数のベンチマークで優れた成績を収めています。例えば、知識系のMMLU-Proテストで83.0点、MMLU-Reduxで93.1点、GPQAで77.5点を獲得しました。推論能力の面では、AIME25テストで70.3点、HMMT25で55.4点を獲得しました。
プログラミング能力の面では、LiveCodeBenchv6テストで51.8点、MultiPL-Eで87.9点を獲得しました。アライメント能力の面では、IFEvalテストで88.7点、Arena-Hardv2テストで79.2点を獲得しました。さらに、多言語能力でも優れたパフォーマンスを発揮しており、例えばMultiIFテストで77.5点、MMLU-ProXテストで79.4点を獲得しました。
さらに、Qwen3はツール呼び出し能力において際立っています。そのエージェント機能を最大限に活用するには、Qwen-Agentを使用することをお勧めします。Qwen-Agentは内部的にツール呼び出しテンプレートとツール呼び出しパーサーをカプセル化しており、コーディングの複雑さを大幅に削減します。利用可能なツールは、MCP設定ファイル、Qwen-Agentに統合されたツール、または独自に他のツールを統合することによって定義できます。