電子發(fā)燒友網(wǎng)綜合報(bào)道 8月7日，阿里通義千問(wèn)宣布發(fā)布更小尺寸新模型——Qwen3-4B-Instruct-2507和Qwen3-4B-Thinking-2507。目前新模型已在魔搭社區(qū)、HuggingFace正式開源。在非推理領(lǐng)域，Qwen3-4B-Instruct-2507全面超越閉源的GPT4.1-Nano。在推理領(lǐng)域，Qwen3-4B-Thinking-2507甚至可以媲美中等規(guī)模的Qwen3-30B-A3B（thinking）。官方表示，2507版本的Qwen3-4B模型對(duì)手機(jī)等端側(cè)硬件部署尤為友好。

隨著AI技術(shù)的廣泛應(yīng)用，不同場(chǎng)景對(duì)模型的需求呈現(xiàn)出多樣化態(tài)勢(shì)。在一些資源受限的邊緣設(shè)備，如智能手機(jī)、智能手表、物聯(lián)網(wǎng)終端等，大尺寸模型由于計(jì)算資源需求大、內(nèi)存占用高，難以有效部署和運(yùn)行。同時(shí)，對(duì)于一些對(duì)實(shí)時(shí)性要求極高的應(yīng)用場(chǎng)景，如自動(dòng)駕駛的實(shí)時(shí)決策、工業(yè)生產(chǎn)中的即時(shí)質(zhì)量控制等，大模型的高延遲也成為制約其應(yīng)用的瓶頸。在此背景下，小尺寸、低延遲且具備一定性能的模型成為市場(chǎng)的新需求。阿里通義千問(wèn)敏銳地捕捉到這一趨勢(shì)，適時(shí)推出了Qwen3-4B模型。

Qwen3-4B，從名稱便可知其規(guī)模相對(duì)較小，“4B”代表著該模型擁有約40億的參數(shù)。相較于那些擁有千億甚至萬(wàn)億參數(shù)的“巨無(wú)霸”模型，Qwen3-4B堪稱“小個(gè)子”。

在語(yǔ)言理解方面，Qwen3-4B展現(xiàn)出了出色的表現(xiàn)。它能夠精準(zhǔn)理解人類輸入的各種復(fù)雜語(yǔ)句，無(wú)論是日常交流中的口語(yǔ)化表達(dá)，還是專業(yè)領(lǐng)域的術(shù)語(yǔ)和復(fù)雜邏輯語(yǔ)句，都能快速把握其中的語(yǔ)義和意圖。例如，在醫(yī)療領(lǐng)域，面對(duì)醫(yī)生輸入的包含專業(yè)醫(yī)學(xué)詞匯和復(fù)雜診斷邏輯的語(yǔ)句，Qwen3-4B可以準(zhǔn)確理解病情信息，為后續(xù)的輔助診斷提供可靠依據(jù)。在法律場(chǎng)景中，對(duì)于法律條文的解讀和法律案例的分析，它也能深入理解其中的法律關(guān)系和關(guān)鍵要點(diǎn)。

其文本生成能力同樣可圈可點(diǎn)。Qwen3-4B可以生成高質(zhì)量、連貫且符合語(yǔ)境的文本內(nèi)容。無(wú)論是撰寫新聞稿、故事創(chuàng)作、詩(shī)歌生成，還是進(jìn)行商業(yè)文案的策劃，它都能根據(jù)給定的主題和要求，快速生成富有創(chuàng)意和邏輯性的文本。而且，生成的文本在語(yǔ)法準(zhǔn)確性和語(yǔ)義合理性上都有較高水準(zhǔn)，大大減少了人工后期修改的工作量。

在多模態(tài)交互方面，Qwen3-4B也有積極探索。它不僅能夠處理文本信息，還能與圖像、音頻等多種模態(tài)數(shù)據(jù)進(jìn)行交互。例如，在圖像描述生成任務(wù)中，它可以根據(jù)輸入的圖像，生成準(zhǔn)確、生動(dòng)的文字描述，詳細(xì)闡述圖像中的場(chǎng)景、人物、物體及其相互關(guān)系。在語(yǔ)音交互場(chǎng)景中，它能夠理解語(yǔ)音輸入的內(nèi)容，并給出相應(yīng)的語(yǔ)音或文本回復(fù)，實(shí)現(xiàn)自然流暢的人機(jī)對(duì)話。

值得一提的是，Qwen3-4B還具備良好的可擴(kuò)展性和適應(yīng)性。開發(fā)人員可以根據(jù)具體的應(yīng)用需求，對(duì)其進(jìn)行微調(diào)和優(yōu)化，使其更好地適配不同的業(yè)務(wù)場(chǎng)景。同時(shí)，由于其小尺寸的特點(diǎn)，它在部署和運(yùn)行過(guò)程中對(duì)硬件資源的要求較低，能夠在各種資源有限的設(shè)備上穩(wěn)定運(yùn)行，大大降低了應(yīng)用成本。