通义千问开源新多模态：30 亿参数打赢 GPT-5-Mini

10 月 4 日，阿里云通义千问团队干了件让整个开源圈沸腾的事：一口气开源了 Qwen3-VL-30B-A3B-Instruct 和 Qwen3-VL-30B-A3B-Thinking 两款多模态模型，还贴心地提供了 FP8 版本。同时上线的，还有更大杯的 Qwen3-VL-235B-A22B FP8 版本。

先说结论：这次开源的 30B 小钢炮，官方给出的成绩单相当炸裂——在 STEM、视觉问答（VQA）、OCR、视频理解、智能体（Agent）这些硬核任务上，直接对标 GPT-5-Mini 和 Claude 4-Sonnet，部分项目表现还要更优。

什么是 A3B？30 亿激活参数的门道

先拆解一下这个有点绕的名字：Qwen3-VL-30B-A3B。

后面的 A3B，指的是 " 激活参数约 30 亿 "。也就是说，这个模型总参数量约 30B，但每次推理时真正 " 上岗干活 " 的参数，只有 30 亿左右。

这是典型的 MoE（混合专家）架构。你可以把它想象成一家大公司：全公司有 3 万名员工（总参数），但每个具体项目，只需要抽调 3000 名最合适的专家来干活（激活参数），其余人继续待命。

这种架构带来的好处非常直接：显存占用和推理速度，接近一个小得多的稠密模型，但能力上限却保留了 30B 级别的储备。翻译成人话就是——用小模型的成本，跑大模型的效果。

对于想在本地或者私有环境部署多模态能力的团队来说，这正是最渴望的组合。

小钢炮对标旗舰？官方成绩单来了

根据官方说法，Qwen3-VL-30B-A3B 在 STEM（数理化逻辑推理）、视觉问答、OCR 文字识别、视频理解、Agent 智能体任务这五大方向上，能力媲美 GPT-5-Mini 和 Claude 4-Sonnet，部分任务表现更优。

这五个方向，恰好是当下多模态应用最核心的战场：

- OCR：文档数字化、票据识别、截图取字的刚需场景；

- 视频理解：短视频时代的流量密码，谁能看懂视频谁就掌握内容生产主动权；

- Agent：让模型不只 " 看懂 "，还要能 " 动手 "，是 2026 年公认的主旋律；

- STEM 与 VQA：教育、科研、工业质检等高价值场景的入场券。

一款激活参数只有 30 亿的模型，能在这些任务上跟闭源旗舰掰手腕，这件事本身，比任何一个单项分数都更有信号意义。

Thinking 版本：会 " 想 " 的视觉模型

这次同步开源的 Thinking 版本，是理解这波发布的关键。

Instruct 版本是 " 有问必答 " 的执行者，而 Thinking 版本则具备更深入的推理过程——遇到复杂的视觉推理题、多步骤任务规划，它会先 " 想 " 再 " 答 "。这在需要高可靠性的场景里，比如代码截图分析、数学图形题、跨图逻辑推理，价值巨大。

两款一起放出来，等于给了开发者一个从 " 快 " 到 " 准 " 的选项区间，按需取用。

FP8 上桌：把部署成本再砍一刀

别忘了，这次还同步放出了 Qwen3-VL-235B-A22B 的 FP8 版本。

FP8 是一种低精度数值格式，相比传统 FP16，模型体积接近减半，显存需求大幅下降，推理吞吐还能往上提。对于动辄上百 B 参数的旗舰模型来说，FP8 版本意味着更多消费级和准专业级显卡也能摸到旗舰能力的门槛。

而 30B-A3B 的 FP8 版本，则把 " 本地跑一个视觉智能体 " 的门槛，压到了前所未有的低点。

为什么说这步棋很精明？

回到定位本身。阿里这次开源的核心逻辑，不是在闭源榜单上卷名次，而是以开源生态扩大产业落地。

想想看：闭源模型按 token 收费，用得越多花得越多；开源模型部署在自己服务器上，边际成本趋近于零。当一款开源模型的能力逼近闭源旗舰，大量对成本敏感、对数据安全敏感的企业，会毫不犹豫地转向开源方案。

多模态恰恰是落地的甜点区——文档处理、视频审核、智能客服、工业视觉，全是企业真金白银愿意买单的场景。把最强的开源多模态模型握在手里，等于把这些场景的生态入口握在手里。

而且从 Instruct 到 Thinking、从 30B 到 235B、从 BF16 到 FP8，产品矩阵一次性铺满，开发者各取所需，社区自然滚雪球。

30 亿激活参数，敢叫板 GPT-5-Mini 和 Claude 4-Sonnet，这背后是 MoE 架构红利、开源策略和产业判断的三重合力。

大模型之战打到 2026 年，拼的已经不只是谁最强，还有谁能用最低的成本，让最多的开发者和企业用起来。

开源多模态这盘棋，通义千问又落了一手大棋。

你觉得开源模型多久能全面追平闭源旗舰？是时候押注本地部署了吗？评论区聊聊你的看法——

如果觉得内容有用，欢迎点赞、转发给身边正在折腾 AI 的朋友，关注我，第一时间获取大模型开源圈的一手消息。