阿里Qwen团队发布 Qwen3-235B-A22B-Thinking-2507：深度推理能力再升级

在持续三个月的优化后，阿里Qwen团队正式推出 Qwen3-235B-A22B-Thinking-2507 版本。该模型在逻辑推理、数学、科学、编程及学术任务上的表现显著提升，进一步巩固了其在开源思维模型中的领先地位。

• 模型：HuggingFace | ModelScope
• Demo：https://chat.qwen.ai

此次更新聚焦于“深度思考”能力的增强，特别适用于需要复杂推理和长链逻辑的高难度任务。

核心升级：更强的推理，更广的覆盖

与前代相比，Qwen3-235B-A22B-Thinking-2507 在多个关键维度实现突破：

• ✅ 推理能力跃升：在数学、科学、编程等专业领域，性能达到开源模型中的最先进水平。
• ✅ 通用能力提升：指令遵循、工具调用、文本生成及与人类偏好的对齐能力均有显著进步。
• ✅ 长上下文支持增强：原生支持 262,144 令牌的上下文长度，对长文档、复杂代码库的理解更加深入。

值得注意的是，此版本的“思考长度”有所增加，建议在处理高度复杂的推理任务时优先使用。

模型概览

注意：该模型仅支持思考模式。默认聊天模板已自动包含 <think> 标签，因此输出中仅出现 </think> 而无起始标签，属于正常行为。

性能表现：多项任务超越主流模型

在多个权威基准测试中，Qwen3-235B-A22B-Thinking-2507 展现出强劲竞争力，尤其在推理与编码领域表现突出。

推理任务

# 为非多模态模型在文本子集上的评估结果。

编码能力

知识与对齐

* OpenAI 模型部分结果基于高推理努力生成。

代理与多语言

所有高挑战性任务（如数学、编程）使用 81,920 令牌输出长度；其余任务使用 32,768。

最佳实践建议

为充分发挥模型潜力，建议采用以下配置：

1. 采样参数

• Temperature=0.6
• TopP=0.95
• TopK=20
• MinP=0
• 可选：调整 presence_penalty（0-2）以减少重复，但过高可能导致语言混合。

2. 输出长度

• 一般任务：32,768 令牌
• 复杂任务（如数学竞赛、编程难题）：81,920 令牌

3. 标准化输出格式

• 数学题：提示中加入
  请逐步推理，并将最终答案放在 \boxed{} 中
• 选择题：使用 JSON 格式约束输出
  "answer": "C"

4. 对话历史管理

在多轮对话中，历史记录应仅保留最终输出，无需包含 <think> 内容。此逻辑已在 Jinja2 聊天模板中实现。若自行实现，需确保遵循此规范。