English Arabic 简体中文 繁體中文 Français Deutsch 日本語 한국어 Português Русский Español

Qwen 3 現已登陸 Novita AI

作者 / / 更新 / 6 分鐘閱讀
Qwen 3 現已登陸 Novita AI
目錄
  1. 什麼是 Qwen 3？
  2. 基準測試與性能
  3. 如何在 Novita AI 上使用 Qwen 3
  4. 最佳化 Qwen 3 性能的最佳實踐
  5. 結論

阿里巴巴尖端 Qwen 3 大型語言模型現已正式上線 Novita AI 的模型 API 平台！

以下為 Novita AI 上 Qwen 3 的完整陣容與定價：

  • Qwen3-235B-A22B： $0.20 / 百萬輸入 tokens，$0.80 / 百萬輸出 tokens
  • Qwen3-30B-A3B： $0.10 / 百萬輸入 tokens，$0.45 / 百萬輸出 tokens
  • Qwen3-32B： $0.10 / 百萬輸入 tokens，$0.45 / 百萬輸出 tokens
  • Qwen3-14B： $0.07 / 百萬輸入 tokens，$0.275 / 百萬輸出 tokens
  • Qwen3-8B： $0.035 / 百萬輸入 tokens，$0.138 / 百萬輸出 tokens
  • Qwen3-4B： 免費
  • Qwen3-1.7B： 免費

用最先進的語言模型為您的聊天機器人、應用程式和工作流程注入動力——只要 API 呼叫即可使用 Qwen 3。

什麼是 Qwen 3？

Qwen 3 是阿里巴巴雲端 Qwen 團隊開發的最新、最先進的大型語言模型家族。在 QwQ 和 Qwen2.5 的經驗基礎上，Qwen 3 在推理、多語言能力和代理能力方面進行了重大改進，為開源 AI 樹立了新標準。

Qwen 3 模型概覽

Qwen 3 的主要特色

  • 多種尺寸的密集與混合專家（MoE）模型： Qwen 3 提供密集型和 MoE 兩種架構，從輕量級的 0.6B 和 1.7B 模型，到大型 32B（密集）以及旗艦級 30B-A3B 和 235B-A22B（MoE）變體。

  • 混合思考模式： 模型可以在 ** 思考模式**（適用於複雜的逐步邏輯推理、數學和程式碼生成）和 ** 非思考模式**（適用於快速、高效的通用對話）之間無縫切換。

  • 顯著增強的推理能力： Qwen 3 在數學、程式碼生成和常識邏輯推理方面超越了之前的 Qwen 模型。它也為不同任務提供了更穩定且可控的推理預算。

  • 卓越的人類偏好對齊： 該模型在創意寫作、角色扮演、多輪對話和指令遵循方面表現出色，帶來更自然、更具吸引力的對話。

  • 先進的代理能力： Qwen 3 專為基於代理的工作流程設計，支援在兩種思考模式下與外部工具無縫整合和精確的函數呼叫。這使得在複雜的代理驅動任務中實現最先進的性能。

  • 強大的多語言支援： Qwen 3 支援 119 種語言和方言，能夠進行高質量的多語言指令遵循和翻譯，為真正的全球應用打開了大門。

Qwen 3 的多語言支援

基準測試與性能

Qwen 3 系列在全面的 AI 基準測試套件中展現了業界領先的性能，在編碼、數學、通用推理和多語言理解方面表現出色。

旗艦模型：Qwen3-235B-A22B

旗艦模型 Qwen3-235B-A22B 在與當今最先進的模型（如 DeepSeek-R1、OpenAI-01、OpenAI-o3-mini、Grok-3 Beta 和 Gemini-2.5-Pro）進行比較時，持續獲得頂尖或接近頂尖的結果。

Qwen3-235B-A22B 基準測試

資料來源：Qwen

  • 複雜推理： 在 ArenaHard（95.6）上獲得最高分，優於或與所有競爭對手持平。
  • 數學： 在 AIME’24（85.7）和 AIME’25（81.5）上取得領先結果，遠超大多數商業和開源模型。
  • 程式碼： 在 LiveCodeBench（70.7）和 CodeForces Elo（2056）上表現卓越，證實了其在軟體和演算法任務中的實力。
  • 多語言與通用能力： Qwen3-235B-A22B 在 LiveBench 和 MultiF 上取得優異成績，展現了強大的真實世界和多語言理解能力。

其他較小模型

Qwen 3 的架構創新同樣轉化為較小模型尺寸下的出色表現：

Qwen3-30B-A3B (MoE) 基準測試

資料來源：Qwen

  • Qwen3-32B（密集）： 提供僅次於旗艦模型的結果，在所有類別中仍然優於大多數替代模型。
  • Qwen3-30B-A3B（MoE）： 性能優於 QwQ-32B，儘管只使用了其十分之一的激活參數——展示了 Qwen 的效率和智慧型擴展。
  • Qwen3-4B（密集）： 即使是這個緊湊型模型也能在推理和多語言任務上與 Qwen2.5-72B-Instruct 等更大模型相媲美。

如何在 Novita AI 上使用 Qwen 3

在 Novita AI 上快速、簡單且無風險地開始使用 Qwen 3。感謝推薦計劃，您將獲得 $10 免費額度——足以充分探索 Qwen 3 的強大功能、建立原型，甚至在無需前期費用的情況下啟動您的第一個使用案例。

使用 Playground（無需編碼）

  • 即時存取：註冊，領取您的免費額度，然後即可在幾秒鐘內開始測試 Qwen 3 和其他頂級模型。
  • 互動式 UI：測試提示詞、思維鏈推理，並即時視覺化結果。
  • 模型比較：輕鬆在 Qwen 3、Llama 4、DeepSeek 等模型之間切換，找到最適合您需求的模型。

透過 API 整合（適用於開發者）

使用 Novita AI 的統一 REST API 將 Qwen 3 無縫連接到您的應用程式、工作流程或聊天機器人——無需管理模型權重或基礎設施。Novita AI 提供多語言 SDK（Python、Node.js、cURL 等）以及為高階用戶提供的進階參數控制。

選項 1：直接 API 整合（Python 範例）

若要開始使用，只需使用以下程式碼片段：

from openai import OpenAI
  
client = OpenAI(
    base_url="https://api.novita.ai/v3/openai",
    api_key="<YOUR Novita AI API Key>",
)

model = "qwen/qwen3-235b-a22b-fp8"
stream = True # or False
max_tokens = 2048
system_content = """Be a helpful assistant"""
temperature = 1
top_p = 1
min_p = 0
top_k = 50
presence_penalty = 0
frequency_penalty = 0
repetition_penalty = 1
response_format = { "type": "text" }

chat_completion_res = client.chat.completions.create(
    model=model,
    messages=[
        {
            "role": "system",
            "content": system_content,
        },
        {
            "role": "user",
            "content": "Hi there!",
        }
    ],
    stream=stream,
    max_tokens=max_tokens,
    temperature=temperature,
    top_p=top_p,
    presence_penalty=presence_penalty,
    frequency_penalty=frequency_penalty,
    response_format=response_format,
    extra_body={
      "top_k": top_k,
      "repetition_penalty": repetition_penalty,
      "min_p": min_p
    }
  )

if stream:
    for chunk in chat_completion_res:
        print(chunk.choices[0].delta.content or "", end="")
else:
    print(chat_completion_res.choices[0].message.content)

主要特色：

  • 統一端點： /v3/openai 支援 OpenAI 的 Chat Completions API 格式。
  • 彈性控制： 調整 temperature、top-p、penalties 等參數以獲得客製化結果。
  • 串流與批次： 選擇您偏好的回應模式。

選項 2：使用 OpenAI Agents SDK 建立多代理工作流程

透過將 Novita AI 與 OpenAI Agents SDK 整合，建立進階的多代理系統：

  • 即插即用： 在任何 OpenAI Agents 工作流程中使用 Novita AI 的 LLM。
  • 支援移交、路由和工具使用： 設計能夠委派、分類或執行功能的代理，全部由 Novita AI 的模型提供支援。
  • Python 整合： 只需將 SDK 指向 Novita 的端點（https://api.novita.ai/v3/openai）並使用您的 API 金鑰即可。

在第三方平台上連接 Qwen 3 API

  • Hugging Face：透過 Novita AI 端點，在 Spaces、pipelines 或搭配 Transformers 程式庫使用 Qwen 3。
  • 代理與編排框架： 透過官方連接器和逐步整合指南，輕鬆將 Novita AI 與 Continue、AnythingLLM、LangChain、Dify 和 Langflow 等合作夥伴平台連接。
  • OpenAI 相容 API： 享受與為 OpenAI API 標準設計的工具（如 Cline 和 Cursor）的無痛遷移和整合。

最佳化 Qwen 3 性能的最佳實踐

  1. 採樣參數設定

思考模式
enable_thinking=True
Temperature: 0.6
TopP: 0.95
TopK: 20
MinP: 0
提示： 避免貪婪解碼，以防止性能下降或重複輸出。

非思考模式
enable_thinking=False
Temperature: 0.7
TopP: 0.8
TopK: 20
MinP: 0

重複控制
對於支援的框架，將 presence_penalty 調整為 0 到 2 之間以減少重複。
注意： 較高的值可能會導致一些語言混雜或模型性能略有下降。

  1. 輸出長度建議
  • 對於大多數查詢，將輸出長度設定為 32,768 tokens。
  • 對於複雜的基準測試任務（例如數學或程式設計競賽），請將最大輸出長度增加到 38,912 tokens，以獲得更全面的回應。
  1. 標準化輸出格式
  • 數學問題： 在提示詞中包含這一行：“請逐步推理，並將最終答案放在 \boxed{} 中。”
  • 選擇題： 使用 JSON 欄位標準化回應：“請在 answer 欄位中僅顯示選項字母，例如：「answer」：「C」”。
  1. 對話歷史管理
  • 在多輪對話中，僅在對話歷史中包含最終輸出。省略任何中間的「思考」內容。
  • 如果使用 Jinja2 聊天模板，這會自動處理。對於其他框架，請確保手動遵循此做法。

遵循這些建議，您將確保 Qwen 3 在所有使用案例中始終如一地提供準確、高質量的結果。

結論

Qwen 3 在編碼、推理和多語言任務中提供了同級最佳的效能——無論專案規模大小。準備好看看它的表現了嗎？

立即在 Novita AI 上試用 Qwen 3 示範 並 領取您的免費額度！

Novita AI 是一個 AI 雲端平台，為開發者提供使用簡單 API 部署 AI 模型的簡便方式，同時也提供經濟實惠且可靠的 GPU 雲端來建置專案。

相關文章