阿里发布Qwen3-Next-80B-A3B，性能效率显著提升

快速阅读: 阿里巴巴开源Qwen3-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，采用混合专家架构与多token预测机制，显著增强上下文处理能力，尤其在超长文本处理中表现优异。

近日，阿里巴巴开源了最新架构模型 Qwen3-Next-80B-A3B，标志着公司在人工智能生成内容（AIGC）领域取得重要进展。该模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，展现出显著的性能提升。

Qwen3-Next 的总参数达到800亿，但在推理过程中仅激活30亿参数，使得训练成本较前代产品 Qwen3-32B 下降了90%。此外，其推理效率提升了10倍，尤其在处理超长文本（32K以上）时表现更为突出，能够与阿里旗舰模型 Qwen3-235B 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 和门控注意力相结合的设计。通过这种方式，Qwen3-Next 解决了传统注意力机制在处理长上下文时的不足，既提高了速度，又增强了上下文学习能力。训练过程中，Qwen3-Next 采用了高稀疏性 MoE 结构，实现了在不影响性能的同时最大化资源利用。

Qwen3-Next 还引入了多 token 预测机制，提升了模型在投机解码中的表现。预训练阶段，Qwen3-Next 的效率显著高于 Qwen3-32B，训练成本仅为前者的9.3%，而性能更优。在推理速度方面，Qwen3-Next 在处理长文本时的吞吐量比 Qwen3-32B 提升了7倍，在更长的上下文中仍保持10倍的速度优势。

阿里的这一新模型不仅在技术上取得了突破，也受到了广泛关注和好评，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，Qwen3-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://huggingface.co/collections/Qwen/qwen3-next-68c25fd6838e585db8eeea9d

划重点：

🌟 Qwen3-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。

(以上内容均由Ai生成)