本地大模型选型：Qwen3 值不值得押注（踩坑复盘）

闲话少叙，直接上干货。本文基于公开资料整理，供讨论参考。 这篇「避坑指南」都是踩过的坑，看完能少走弯路。 查了下公开资料：Qwen3 出自阿里云·通义千问，2025-04-29 与大家见面，6 dense（0.6B/1.7B/4B/8B/14B/32B）+ 2 MoE（30B-A3B 总30B激活3B、235B-A22B 总235B激活22B），使用Apache 2.0授权。 落地时绕不开的资源问题——8B Q4 约 5-6GB；14B 约 10GB；32B 约 20GB；30B-A3B 约 19-24GB。 从提示工程师的角度看，实用价值是第一考量。官方口径里有几条很关键：预训练 36T tokens；Qwen3-4B 可媲美 Qwen2.5-72B；混合思考模式（thinking/non-thinking 可切换）。 就先聊到这，有问题评论区接着讨论。讨论与勘误欢迎留言。—— 数据会说话，实践出真知。 🔥 📌 🎯 ✨ 👀 😂 😅 💡 🚀 ⭐