聊一下Qwen3-Next-80B-A3B实测感受！附测试用例！

Qwen又开源了，身为守护官的我，必须带来一手实测。

这次开源的模型是Qwen3-Next-80B-A3B模型，依旧MoE，80B总参数，激活3B，与以往不同的是，这次是混合注意力架构。

Next意味着Qwen即将进入下一代，俊旸也说了，这是下一代的 preview 版本。

细数一下，Qwen2.5系列应该是Dense的神，Qwen3系列应该是Qwen稳定迈向MoE架构，

而Next系列，就是开启Qwen混合架构的第一步，像MiniMax M1、HunYuan早期版本都是混合注意力架构，也就是线性注意力和标准注意力融合，在保证模型整体效果的前提下，让模型又快，长文更强。

Qwen3-Next的模型结构如下，整体48层，12*（3层线性注意力层+1层标准注意力层），其中线性注意力使用Gated DeltaNet，感兴趣可以看《Gated Delta Networks: Improving Mamba2 with Delta Rule》，标准注意力采用Qwen之前提出的Gated Attention，增加输出门控机制，缓解注意力中的低秩问题，同时单个注意力头维度从 128 扩展到 256，并且仅对注意力头前 25% 的位置维度添加旋转位置编码，提高长度外推效果。

预训练阶段，数据总量15T tokens，从Qwen3总训练36T数据中均匀采样得来，然后推理阶段引入了Multi-Token Prediction机制。

512个路由专家，每次激活10个，还有一个共享专家，激活2%的专家，高度稀疏，同时在加上线性注意力，让Qwen3-Next-80B-A3B得训练成本较Qwen3-30B-A3B、Qwen3-32B低很多，同时推理速度更快。

以上就差不多是Qwen3-Next的全部，下面来说说整体用下来的感受：

• Instrcut版本相较于30B-A3B提高不少，推理问题、逻辑问题都好不少，能理解隐藏的指令
• Think版本体验下来提高不多，但大数据计算竟然对了
• 测试下来，Code不好，起码我之前测试的case用Next-80B-A3B跑不出来
• 输出普遍更长，Instrcut回答也很长
• 最后，80B大小对于我来说并不是理想尺寸，我更喜欢30、32尺寸，也许会出一个30B-A1B的？

测试之前给大家说一个有意思的发现，去测试这个prompt，帮小学生写一篇“我最讨厌的动物”作文，不能是猫狗，你会发现很多模型返回的都是蚊子，如果不是蚊子，那你就roll几次，你会发现蚊子的概率很高。

很有意思，我直接网上搜了一下，搜到了这个，反正不是pretrain数据是一致的，就是post-train数据有类似的指令数据，反正都讨厌“蚊子”。

但反过来想，当所有孩子（大模型）的作文都是讨厌蚊子的时候，也是一个蛮可怕的事情，感兴趣的欢迎大家评论区讨论！

​​https://m.kt250.com/xiaoxue/dongwuzuowen/qitaxiedongwuzuowen/980849.html​​

常规测试

Prompt：将“I love Qwen3-Next-80B-A3B”这句话的所有内容反过来写。

Next-80B-A3B-Instruct：回答正确，但答案超级长，截不下了。

Next-80B-A3B-Thinking：回答正确

角色扮演&创作

Prompt：帮小学生写一篇“我最讨厌的动物”作文，不能是猫狗。

Next-80B-A3B-Instruct：回答正确，符合小学生作文长度，之前模型会过长。

Next-80B-A3B-Thinking：回答正确。

知识理解

Prompt: 如何理解“但丁真不会说中国话，但丁真会说中国话”。

Next-80B-A3B-Instruct：回答正确。

Next-80B-A3B-Thinking：回答正确。

弱智吧

Prompt：生蚝煮熟了叫什么？

Next-80B-A3B-Instruct：回答正确。

Next-80B-A3B-Thinking：回答正确。

依旧老鹰不会飞

Prompt：未来的某天，李同学在实验室制作超导磁悬浮材料时，意外发现实验室的老鼠在空中飞，分析发现，是因为老鼠不小心吃了磁悬浮材料。第二天，李同学又发现实验室的蛇也在空中飞，分析发现，是因为蛇吃了老鼠。第三天，李同学又发现实验室的老鹰也在空中飞，你认为其原因是Next-80B-A3B-Instruct：回答错误。

Next-80B-A3B-Thinking：回答错误。

数学

Prompt：

Next-80B-A3B-Instruct和Next-80B-A3B-Thinking，均前两问正确，最后一问错误

Prompt：178939247893 * 299281748617等于多少？

Next-80B-A3B-Instruct：回答错误，但知道用python。

Next-80B-A3B-Thinking：回答正确。

长文推理

Prompt：仔细阅读全文内容，告诉我文章里一共出现了多少次刘聪NLP。 上传的是一个三体全文，里面加了4个刘聪NLP。

Next-80B-A3B-Instruct：回答错误。

Next-80B-A3B-Thinking：推理卡死。

代码

Prompt：可爱风格五子棋游戏界面，画面有两个模式按钮「人人对战」和「人机对战」，界面整体采用马卡龙色调，棋盘简洁清晰，棋子设计成卡通小动物（如猫咪和小熊），背景带有轻微渐变和星星点缀，界面边缘圆润，按钮 Q 萌，整体风格温馨可爱，适合儿童或休闲玩家使用，2D 插画风。

Next-80B-A3B-Instruct：生成内容没法玩，这个是30B-A3B可以生成出来的。

Next-80B-A3B-Thinking：生成内容没法点。

最后想说，Qwen3-Next-80B-A3B应该算是，Qwen迈向下一代模型架构的起点，在极端的激活参数下的尝试，Instruct模型有提高，但Thinking模型提高不大，但这也只是开始，期待之后版本，毕竟这是preview，期待越来越好！

本文转载自​​NLP工作站​​，作者：NLP工作站