顶级开发者默默换掉了基础大模型

推荐语

顶级开发者为何纷纷转向千问3？揭秘AI圈背后的技术风向。

核心内容：
1. 开源AI背后的真正推动者：工程师的选择
2. 千问3如何成为顶级开发者的新宠
3. 千问3的性能优势与应用场景

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

开源AI 这半年，有个怪现象。

我们都默认AI圈的风向是由OpenAI、Meta、谷歌这些巨头掌控的，一旦他们公布点什么，Reddit、Hugging Face 就会刷屏。但很少有人注意到：真正决定“谁能跑起来”的，往往不是这些放风的巨头，而是那些早起干活的工程师。

举个例子。

最近英伟达发了两个LLM：Nemotron-4 8B 和 340B。结果你去看 Hugging Face 的调用量、社区动静，几乎没人真在用。

你会发现，大家在转发，在点赞，在看。但没人真用。更没人真把它接进线上系统，或者投到Real-World Agent 里跑。

因为开发者其实不傻。

一个模型好不好用，不是看谁发的，而是看真做事的人用不用它。

这也是为什么，现在很多顶级从业者、Agent 团队、ToB创业者，都开始不约而同地换掉默认模型了。尤其在中国，有个名字正在默默变成“基础默认选”——千问3。

这波LLM 模型军备赛，走到今天，热闹的不少，靠谱的没几个。

但千问的出现，从一开始就不是靠热度打牌的。

它是那种“慢慢爬上来”的选手，阿里不吆喝，但每次发版都一锤一钉，尤其是今年的千问3 ，一口气做了 0.6B 到 235B 全家桶，一步一个脚印，把全尺寸、混合推理、多语种、多场景这些最难的路一个个啃下来。

这事在AI 圈有多难？

你可以去问一个Agent 工程师：要构建一个本地可控、支持长上下文、插件拓展能力强的 RAG 系统，你默认会用哪套模型？

不出意外，他会说：千问。

甚至现在已经变成一种行业共识了——开源要落地、搞真实系统，首选就是千问。

为什么顶级开发者开始选千问3？主要是在于：

能跑，能调，能扛事。

别小看这七个字，对干活的人来说，这比什么“空说推理能力嘎嘎强”“代码能力突破某某新高”有用多了。

我们去年年末还在用GPT-4 跑 Agent，但 GPT 很贵，还限速限频。一套多轮交互下来，光API费就肉疼。

转了千问3之后，几个好处直接立马显现出来：

性能稳：思考详细，输出精准，用来跑规划、召回、推理完全够用。

多规格选择：简单任务用Qwen 0.6B -14B模型，做复杂agent用235B MoE模型，自由选择。

响应快：我们自测，同样的任务链，千问3比 GPT-4 快的不止一星半点。

完全可控：用开源版可以细调逻辑、改前缀，服务可控度远远大于闭源模型。

有朋友在做企业端Agent系统，他跟我说：“用千问3，意味着我可以不看OpenAI脸色，模型挂了我还能debug。”

不止是新模型，工程师看到的是底层差异

讲个真事。

LLaMA 4 刚开源时，我们团队有人很兴奋地撸了个demo。表面效果不错，但一上多轮对话，逻辑就垮了。

比如agent 任务链里有“搜索-判断-调用工具-生成回复”四步，LLaMA4 经常跑到第三步就迷路了，不是乱调用插件，就是输出废话。

后来换千问3，同样的 prompt 模板，不但流程走顺了，连输出的一致性都稳定很多。

你说这是不是魔法？不是，是基础调教水平不一样。

阿里这一代模型的底子，明显比国外开源那批要更适配实际使用场景：

• 指令微调更扎实

  
  

• 中文理解天然强

  
  

• 插件、RAG、Agent相关的测试数据集多

• 开源版本迭代快、文档清楚，部署好上手

别说“民族感情”，就说工程师的日常工作：我们要的是可控性、稳定性、效率，这些千问3做到了。

性能是真打出来的，千问3的成绩没人能装看不见

很多人说模型性能玄学、榜单内卷，但榜单真不能全无视。尤其是那种极具实战意义的评测。

比如LiveCodeBench。它是当前代码+多轮理解任务里的典型评测，模拟实际 Agent 场景（code+retrieval+stepwise+output check），并不是靠 prompt 拼分数。

千问3在榜单几乎全线压住了DeepSeek，荣获开源模型冠军。

这就不是靠“品牌”卷出来的，而是靠工程团队硬怼出的实绩。

在最新的Artificial Analysis 榜单中，Qwen3 系列共有 8 个模型上榜，覆盖多个尺寸，是开源模型里数量最多、分布最全的一套，足以见得整体实力有多强。

一个值得被选择且已经被选择的中国开源基座

这几年国产AI 模型已经走过“有没有”“够不够强”“能不能跑”的阶段，今天这个红明天那个热，一堆名字火过，真正的问题是：有没有一个能打、能接地气、能持续演化的开源基座？

你可能还在感慨GPT-4o 多么惊艳，但我告诉你：ToB 和技术团队不会等 GPT 慢慢开权限。

他们现在要的，是一套能直接上线、能本地部署、能自己调优的“模型操作系统”。

千问3发布那天，很多搞研发的朋友在群里只说了一句话：

“终于来了。”

在硅谷，一批做LLM Infra 的技术团队已经默认它是“部署级模型”；在国内，越来越多 ToB 公司和 Agent 平台把它嵌成了底座。

一个有趣的变化是：硅谷的初创团队从一开始就默认选千问，不再像以前那样先上GPT 再考虑替代。这不是“爱国情怀”，而是工程理性。

尤其是做Agent 的团队，谁都怕烧钱烧死。

说到底，没人愿意再被AI 世界甩在墙外，但只有千问，真的给了中国开发者在主场作战的底气。

它不是奇兵，它是底座。

真正能被顶级从业者选中的，从来不是最响的牌子，而是最稳的基石。