Das Qwen Team hat die Veröffentlichung von Qwen3 angekündigt, einer Familie großer Sprachmodelle mit acht Open-Weight-Modellen. Dazu gehören zwei Mixture-of-Experts-Modelle (MoE) sowie sechs dichte Modelle, die nach Angaben des Teams unter der Apache-2.0-Lizenz bereitstehen.
Acht Modelle, darunter zwei MoE-Varianten
Die beiden offenen MoE-Modelle heißen Qwen3-235B-A22B und Qwen3-30B-A3B. Beim größeren Modell nennt Qwen 235 Milliarden Gesamtparameter, von denen 22 Milliarden aktiviert werden; beim kleineren sind es demnach 30 Milliarden Gesamtparameter und 3 Milliarden aktivierte Parameter.
Die sechs dichten Varianten sind Qwen3-32B, Qwen3-14B, Qwen3-8B, Qwen3-4B, Qwen3-1.7B und Qwen3-0.6B. Qwen zufolge werden diese Modelle unter Apache 2.0 bereitgestellt.
Verfügbarkeit und Steuerung des Denkmodus
Post-trainierte Modelle wie Qwen3-30B-A3B sowie vortrainierte Gegenstücke wie Qwen3-30B-A3B-Base sind laut Qwen auf Hugging Face, ModelScope und Kaggle verfügbar.
Qwen beschreibt Qwen3 als Modellfamilie mit umschaltbarem Denkverhalten: Über die Zusätze „/think“ und „/no_think“ in Nutzerprompts oder Systemnachrichten sollen Anwender den Denkmodus von einer Unterhaltungssitzung zur nächsten wechseln können.
Nach Angaben des Teams unterstützen die Qwen3-Modelle 119 Sprachen und Dialekte.
Leistungswerte sind Herstellerangaben
Qwen erklärt, das Flaggschiff Qwen3-235B-A22B liefere bei Benchmark-Tests zu Programmierung, Mathematik und allgemeinen Fähigkeiten konkurrenzfähige Ergebnisse gegenüber DeepSeek-R1, o1, o3-mini, Grok-3 und Gemini-2.5-Pro.
Diese Einordnung stammt aus dem Ankündigungsbeitrag des Herstellers. Das vorliegende Material enthält keine unabhängigen Benchmark-Ergebnisse oder Reproduktionen, sodass sich die Vergleichsaussage daraus nicht unabhängig bewerten lässt.
Warum die Veröffentlichung relevant ist
Die Kombination aus unterschiedlich großen dichten Modellen und MoE-Varianten gibt Entwicklern laut Ankündigung mehrere Modellgrößen für verschiedene Einsatzszenarien. Die Bereitstellung vor- und post-trainierter Versionen auf mehreren Plattformen kann die Nutzung und Anpassung der Modelle erleichtern.
Ob die Modelle die beanspruchte Leistung in praktischen Anwendungen und unabhängigen Tests erreichen, bleibt offen. Ebenso liefert das vorliegende Material keine Details zu konkreten Hardwareanforderungen oder zu Messwerten hinter den Benchmark-Vergleichen.
Wie es weitergeht
Entwickler können die veröffentlichten Gewichte und Modellvarianten auf den genannten Plattformen prüfen. Für eine belastbare Einordnung der Leistungsversprechen wären unabhängige Tests und reproduzierbare Benchmark-Ergebnisse erforderlich.
Änderungsvermerk: Erstfassung auf Basis einer primären Herstellerankündigung; Leistungsbehauptungen sind ausdrücklich als nicht unabhängig verifiziert gekennzeichnet.