近日，通義千問在其技術(shù)更新中揭曉了兩款全新的小型語言模型——Qwen3-4B-Instruct-2507與Qwen3-4B-Thinking-2507，這兩款模型以其精簡的尺寸和卓越的性能引起了業(yè)界的廣泛關(guān)注。
據(jù)悉，Qwen3-4B系列的兩款新模型在設計上充分考慮了端側(cè)硬件的部署需求，旨在為用戶提供更加高效、靈活的AI解決方案。其中，Qwen3-4B-Thinking-2507在推理能力上展現(xiàn)出了與中尺寸模型相當?shù)膶嵙Γ鳴wen3-4B-Instruct-2507則在知識、推理、編程、對齊及agent能力等多個方面全面超越了閉源的GPT-4.1-nano模型。
這兩款新模型的上下文理解能力得到了顯著提升，擴展至256K，使其能夠處理更長的文本，并支持復雜的文檔分析、長篇內(nèi)容生成及跨段落推理等應用場景。在性能測試中，Qwen3-4B-Thinking-2507在復雜問題推理、數(shù)學能力、代碼能力及多輪函數(shù)調(diào)用等方面均表現(xiàn)出色，而Qwen3-4B-Instruct-2507則在Arena-Hard v2基準測試中取得了43.4分的高分。
值得注意的是，Qwen3-4B-Instruct-2507在非推理領(lǐng)域同樣展現(xiàn)出了強大的實力，全面超越了GPT-4.1-nano模型，并且其性能已接近中等規(guī)模的Qwen3-30B-A3B（non-thinking）模型。該模型覆蓋了更廣泛的語言知識，與人類偏好在主觀和開放性任務中的對齊性得到增強，能夠提供更貼近用戶需求的答復。
在推理領(lǐng)域，Qwen3-4B-Thinking-2507更是表現(xiàn)出色，其推理能力足以媲美中等模型Qwen3-30B-Thinking。特別是在數(shù)學能力的測試中，該模型以4B的參數(shù)量取得了81.3分的高分。其通用能力也得到了顯著提升，Agent分數(shù)甚至超越了更大尺寸的Qwen3-30B-Thinking模型。
通義千問此次推出的Qwen3-4B系列新模型，不僅實現(xiàn)了性能上的優(yōu)化，更在通用能力上展現(xiàn)出了超越同級別模型甚至逼近中大規(guī)模模型的實力。同時，這兩款小型語言模型對端側(cè)硬件的友好度也更高，為用戶提供了更加靈活、高效的AI解決方案。這一創(chuàng)新舉措無疑將加速AI技術(shù)在端側(cè)設備的滲透，推動更多輕量化、場景化的智能應用落地。
