这篇文章一次性梳理 Qwen3 系列的全部 17 款模型：从首发到迭代、从旗舰到轻量、从通用到编码，并给出本地与云端的选择与部署建议。
Qwen3 系列发展路线图
第一阶段：首发（2025 年 4 月 29 日）
阿里推出 Qwen3 家族首批 8 款模型，覆盖多档 GPU 要求：
- MoE（专家混合）模型 2 款：Qwen3-235B-A22B、Qwen3-30B-A3B
- Dense（致密）模型 6 款：Qwen3-32B、Qwen3-14B、Qwen3-8B、Qwen3-4B、Qwen3-1.7B、Qwen3-0.6B
其中 Qwen3-235B-A22B 表现最优：在多项评分中超越 DeepSeek-R1、Qwen32B、OpenAI-o1；与 Gemini-2.5-Pro 的对比中各有胜场，官方给出了详尽对标数据。
Qwen3-30B-A3B 相较上一代 Qwen32B 同样全面升级。
综合官方评测，首批 8 款模型的整体排序大致为：Qwen3-235B-A22B > Qwen3-32B > Qwen3-30B-A3B > …
本地部署建议：24G 显存可运行 Qwen3-32B 与 Qwen3-30B-A3B 的量化版本。
第二阶段：旗舰升级（2025 年 7 月 21 日—8 月 8 日）
Qwen3 迎来六款升级模型，覆盖三条主力尺寸，分别提供 Instruct（非思考）与 Thinking（思考）两种模式：
- Qwen3-235B-A22B-Instruct-2507、Qwen3-235B-A22B-Thinking-2507（基于上一代旗舰 235B 的升级，新的旗舰）
- Qwen3-30B-A3B-Instruct-2507、Qwen3-30B-A3B-Thinking-2507（30B 系列的全面升级）
- Qwen3-4B-Instruct-2507、Qwen3-4B-Thinking-2507（4B 轻量型号的双模式升级）
性能要点：
Qwen3-235B-A22B-Instruct-2507 对比开闭源同类，官方评测显示优势明显，可谓“遥遥领先”。
Qwen3-30B-A3B-Thinking-2507 在多数场景超过上一代 Qwen3-235B-A22B 的思考模式表现。
Qwen3-30B-A3B-Instruct-2507 对上一代 Qwen3-235B-A22B 的非思考模式实现全面且显著的超越。
本地部署建议：24G 显存最高可运行 Qwen3-30B-A3B-Instruct-2507 与 Qwen3-30B-A3B-Thinking-2507 的量化版本。
此外，Qwen3 还提供两款垂直编码模型：
- Qwen3-Coder-480B-A35B-Instruct
- Qwen3-Coder-30B-A3B-Instruct
第三阶段：超旗舰预览（2025 年 9 月 5 日）
阿里发布当前系列最强模型 Qwen3-Max-Preview，预计很快会推出正式版 Qwen3-Max。该模型参数量达 1 万亿，是同系列 Qwen3-235B-A22B 的四倍。
官方评测显示，Qwen3-Max-Preview 在多个维度超越 Qwen3-235B-A22B-Instruct-2507 / Kimi K2 / Claude Opus4 / Deepseek-V3.1。
目前可在 https://chat.qwen.ai/ 免费体验。
选型与部署：远程与本地怎么选？
- 远程使用：优先选择 Qwen3-Max-Preview。
- 本地使用（24G 显存）：推荐 Qwen3-30B-A3B-Instruct-2507 或 Qwen3-30B-A3B-Thinking-2507 的量化版本。
本地部署步骤（基于 Ollama）
- 先安装 Ollama
- 到 Ollama 官方库选择合适显存的模型：https://ollama.com/library/qwen3
- 下载过程中若速度突然变慢，可 Ctrl+C 终止；随后用下方命令继续（会从断点续传）：
ollama run qwen3:30b-a3b-thinking-2507-q4_K_M
说明：若本地尚未下载该模型，上述命令会先拉取模型，再自动启动运行。
快速自测示例
>>> 0.8和0.11谁大
0.8 比 0.11 大。
解释：
- 0.8 可写作 0.80，便于对齐比较。
- 比较小数位：0.80 的十分位是 8，0.11 的十分位是 1，故 8 > 1。
- 分数视角：0.8 = 80/100，0.11 = 11/100，显然 80/100 > 11/100。
结论：0.8 > 0.11。