通义千问发布 Qwen3-2507，拆分指令与思考模型

背景

2025 年 4 月发布的原版 Qwen3 把思考与非思考行为合并在同一个模型中。2507 更新改变了这一设计。^[1]

发生了什么

2025 年 7 月 21 日，通义千问团队发布 Qwen3-235B-A22B-Instruct-2507，它是 Qwen3-235B-A22B 的更新版非思考模型。思考版本随后陆续推出：Qwen3-235B-A22B-Thinking-2507 于 7 月 25 日发布，Qwen3-30B-A3B-Instruct-2507 于 7 月 30 日发布，Qwen3-30B-A3B-Thinking-2507 于 7 月 31 日发布，Qwen3-4B 的指令版和思考版于 2025 年 8 月 6 日发布。^[1]

关键细节

指令模型只支持非思考模式，不会生成 think 思考块。这是它与原版 Qwen3 在结构上的主要区别。^[2]

团队将其与原版的非思考模式对比，多项测试得分上升：MMLU-Pro 从 75.2 升至 83.0，GPQA 从 62.9 升至 77.5，AIME25 从 24.7 升至 70.3。LiveCodeBench v6 从 32.9 升至 51.8，Arena-Hard v2 从 52.0 升至 79.2，SimpleQA 从 12.2 升至 54.3。^[2]

团队列出的改进包括指令遵循、逻辑推理、文本理解、数学、科学、编程和工具调用。模型以 Apache 2.0 许可证发布。^[2]

更新中的一些术语需要解释。指令模型（instruct model）经过调整，直接给出回答；思考模型（thinking model）则经过调整，会先生成推理过程再作答。2507 系列由这两类模型组成，用户可以按任务选择。前文提到的 think 思考块，就是思考模型写出推理过程的部分。^[2]

对比中的测试考察不同能力。MMLU-Pro 是综合知识测试的较难版本，GPQA 考察较难的科学问题，AIME25 是一组竞赛数学题，SimpleQA 考察事实性问题，LiveCodeBench v6 则是编程测试。^[2]

影响

这次更新使指令版和思考版成为同一系列中相互独立的模型，用户可以按任务选择合适的版本。