Qwen3 思考模式怎么开关

这篇适合谁，读完能做到什么

适合想搞清楚「Qwen3 的思考模式到底怎么回事」的读者，尤其是想在自己的程序里控制模型是否思考、思考多久的开发者。读完你能说出 Qwen3 的两种模式各适合什么场景，理解「思考预算」是怎么限制思考长度的，并知道模板里的 enable_thinking 是怎么让模型跳过或进入思考阶段的。

Qwen3 的思考模式是什么

Qwen3 把两种模式放在同一个模型里：思考模式下它会先深思熟虑，非思考模式下则快速给出回答^[1]。这意味着你不用为了快和准分别部署两个模型，而是根据任务来选。

两种模式结合之后，Qwen3 能够比较稳定地控制「思考预算」。这让用户可以按任务难度分配预算：简单的问题少想一点，难的问题多想一点，在速度和效果之间找平衡^[1]。另外，随着分配的思考预算增加，模型在评测集上的得分也会逐步提高^[1]。

思考预算是怎么限制的

在 Qwen Chat 网页版（chat.qwen.ai）上，深度思考的预算可以调节，粒度是 1024 个 token，最大可以到 38912 个 token，也就是 38 × 1024^[1]。

用 Qwen3-235B-A22B 做了一个实验：在 1024 个 token 的思考预算下，让模型回答一个马尔科夫链相关的问题，为了让它的思考长度能达到 1024 个 token 以上，题目特意选了一个需要较多推理的问题。结果显示，模型的思考在达到预算上限时突然停止^[1]。

据此推断，预算的实现方式是：统计 <think> 之后输出的 token 数，达到上限时立刻强行截断，补上 </think>，让模型进入输出阶段^[1]。这是一个从现象出发的推断，不是官方的实现说明。读者在自己的部署中，要以实际框架的文档为准。

一个直观的理解是：思考预算不是让模型「自己觉得想够了」，而是外部机制在计数，到了上限就替它收尾。所以预算设得太小，推理可能还没完成，回答会显得仓促。

模式切换靠的是对话模板

Qwen3 的思考模式切换，在 tokenizer_config.json 的 chat_template 字段里就能看到。把它拆开讲，其中最关键的是最后一段，也就是 add_generation_prompt 部分：

{%- if add_generation_prompt %}
    {{- '<|im_start|>assistant\n' }}
    {%- if enable_thinking is defined and enable_thinking is false %}
        {{- '<think>\n\n</think>\n\n' }}
    {%- endif %}
{%- endif %}

这段代码的意思是：只要传入了 enable_thinking，并且它的值为 false，模板就会在 <|im_start|>assistant\n 后面补上 <think>\n\n</think>\n\n。空的思考块告诉模型「思考阶段已经结束」，于是模型直接进入输出阶段^[1]。

作为对比，也给出了 QwQ 的模板。QwQ 的做法是在生成提示之后补上一个 <think>，强制模型进入思考阶段^[1]：

{%- if add_generation_prompt %}
    {{- '<|im_start|>assistant\n<think>\n\n' }}
{%- endif %}

两者的区别在于：QwQ 用「打开」思考来控制，Qwen3 则用「放入一个空的思考块」来控制。Qwen3 不需要靠模型自己决定要不要想，只要模板里写好了一个已经结束的思考块，模型就直接回答^[1]。这也解释了同一个模型为什么能切换两种模式：模型本身没有变，变的只是模板在生成提示里放了什么。

常见问题

**enable_thinking 设成 False 后，模型还会输出 <think> 吗？** 按照模板的写法，生成提示里已经包含一个空的 <think>\n\n</think>\n\n，模型会直接进入输出阶段^[1]。

为什么思考被打断后回答不完整？ 预算达到上限后思考会被强行截断，然后补上 </think>。如果预算太小，推理还没完成，回答就可能不完整^[1]。

思考预算的粒度是多少？ 网页版的粒度是 1024 个 token，最大是 38912 个 token^[1]。

限制

这里有两个前提：一是分析来自网页版的表现和模板文件，二是预算的实现机制是推断。这里也没有给出具体的评测数字，所以文中「得分会随预算提高」只是描述趋势。如果你要在生产环境里依赖这些行为，应该以具体推理框架的参数说明和实际测试结果为准。

下一步

想动手试试不同的模式，可以参考本站关于 vLLM 部署 Qwen3 的实践文章，里面演示了 enable_thinking 和 --enable-reasoning 的用法。想了解 Qwen3 的整体设计，可以查看本站关于 Qwen3 的条目。

本文改编自 Datawhale 开源项目 self-llm 的《Qwen3 Think 解密》文章^[1]，原文以 Apache-2.0 许可证发布。