上周，通义实验室悄悄开源了新模型——Qwen3-Next。说实话，比起纠结它有没有比某某模型更厉害，更值得兴奋的是：**80B参数的总规模，激活量却只有3B**，这么极端的稀疏比例，居然还能在性能上保持领先。这本身就是一个值得认真对待的信号。 --- **核心看点：** 1. Qwen3-Next 在稀疏架构上的突破，大幅降低了训练和推理的成本 2. 长上下文和总参数规模这两种技术路线，各自面临的挑战及解法 3. 混合注意力机制 + 高稀疏度 MoE 架构，在强化学习优化下取得的成果 --- 这篇文章，我们围绕模型的并发能力和长上下文做了实测。结果嘛，有点出乎意料——测试过程中频繁出现了神秘感叹号“!”，不知道有没有人能解释一下这到底是怎么回事？ ### 01 实际上，团队至少花了一年时间做紧密跟进。就在 Qwen3-Next 官宣发布的凌晨，Qwen 模型负责人林俊旸发了这样一段话： 下面是我们在测试开始前，从 Qwen3-Next 官方 Blog 里摘录好的模型架构介绍。虽然测试过程中间出现了一些小插曲，但必须承认，这次模型架构创新的意义是重大的。希望团队能沿着这个方向继续走下去，做出更好的成绩。 老规矩，先上图：