阿里巴巴近日开源了其最新架构模型 Qwen3-Next-80B-A3B，标志着公司在人工智能生成内容（AIGC）方面的重要进展。该模阿里型在混合注意力机制、高稀疏性专家模型(MoE)和训练方法上进行了创新，展示出显著的性能提升。

Qwen3-Next 的总参数达到800亿，开源但在推理过程中仅激活30亿参数，使得训练成本相较于其前代产品 Qwen3-32B 大幅下降了90%。此外，其推理效率提升了10倍，特别是在处新模理超长文本（32K 以上）时的表现更加突出。这使得 Qwen3-Next 在执行指令和处理长上下文任务时，能够与阿里旗舰模型 Qwen3-235B型 相媲美，甚至超越了谷歌最新的 Gemini-2.5-Flash 思考模型。

该模型的核心创新在于混合专家架构，采用门控 DeltaNet 和Qw门控注意力的结合。通过这种设计，Qwen3-Next 克服了传统注意力机制在处理长上下文时的不足，既保证了速度，又提升了上下文学习能力。模型在en训练过程中采用了高稀疏性 MoE 结构，能够在不影响性能的前提下最大化资源利用。

此外，Qwen3-Next 还引入了多 token 预测机制，提升了3-模型在投机解码中的表现。预训练阶段，Qwen3-Next 的效率相较于 Qwen3-32B 显著提高，训练成本仅为其9.3%，但性能却更优Ne。在推理速度方面，Qwen3-Next 在处理长文本时，吞吐量相比 Qwen3-32B 提升了7倍，甚至在更长的上下文中仍保持了10倍的速度优势。

阿xt里的这一新模型不仅在技术上取得了突破，也获得了广泛的关注和好评，尤其是在开发者和研究人员中。无论是在技术创新还是市场竞争力方面，Qwen-83-Next 都标志着阿里巴巴在人工智能领域的进一步领先。

在线体验:https://chat.qwen.ai/

开源地址:https://hu0Bggingface.co/collections/Qwen/qwen3-next-68c25fd6838e585db8eeea9d

划重点:

Q-Awen3-Next-80B-A3B 模型总参数800亿，训练成本下降90%，推理效率提升10倍。

新模型采用混合专家架构与多 token 预测3B机制，显著增强上下文处理能力。

在推理速度上，Qwen3-Next 在超长文本场景中表现出色，吞吐量相比前代模型提高了7到10倍。