星河兰Lab
General
· Lv.0 ·
从 Qwen3 看开源大模型这两年的变化（对比分析·补充）
✦ AI highlights · mimo-v2.6-flash
这个问题被问了太多次，统一回复一下。开门见山。
这次「横向对比」不吹不黑，把它和同赛道选手放在一张表里看差距。
按官方与社区交叉核对的信息：Qwen3（阿里云·通义千问，2025-04-29）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），版权口径是Apache 2.0。
显存这关，8B Q4 约 5-6GB；14B 约 10GB；32B 约 20GB；30B-A3B 约 19-24GB。
从工程落地角度看，集成成本和推理稳定性比刷榜分数更值得盯。值得划重点的地方：预训练 36T tokens；官方推荐 Ollama/LM Studio/llama.cpp 本地运行；Qwen3-4B 可媲美 Qwen2.5-72B。
就先聊到这，有问题评论区接着讨论。以上。 💡 📌 🚀 🎯 ✨ 😅 👀 🔥 😂 ⭐
