Qwen нейросеть: чья разработка, возможности и сравнение с аналогами

Кто создал Qwen и почему это важно

Qwen — это семейство больших языковых моделей, разработанное компанией Alibaba Cloud, входящей в китайский холдинг Alibaba Group. Alibaba известна прежде всего как владелец маркетплейса AliExpress, но её технологическое подразделение активно инвестирует в искусственный интеллект. Первая версия Qwen была представлена в 2023 году, а уже к 2025 году вышло третье поколение — Qwen3.

Принципиальное отличие Qwen от многих западных аналогов — открытая лицензия Qwen License, которая разрешает коммерческое использование и дообучение модели. Это делает Qwen привлекательной для бизнеса, которому нужен контроль над данными и инфраструктурой. Кроме того, Alibaba Cloud предоставляет облачные сервисы для развёртывания модели, что упрощает интеграцию в корпоративные системы.

Для российских пользователей Qwen интересна ещё и тем, что доступ к ней не заблокирован, она поддерживает русский язык и не требует VPN для работы через веб-интерфейс или API.

Архитектура Qwen3: от компактных моделей до флагмана

Семейство Qwen3 включает модели разного размера — от 0,6 миллиарда параметров до 235 миллиардов. Это позволяет выбрать подходящий вариант под конкретные задачи и доступные вычислительные ресурсы.

Компактные модели (0.6B, 1.7B, 3B) предназначены для edge-устройств, смартфонов и локальных ассистентов. Они могут работать на обычных видеокартах и не требуют серверного оборудования.

Средние модели (7B, 14B, 32B) — оптимальный баланс между качеством и производительностью. Они подходят для внутренних ботов, аналитики, генерации текстов и классификации.

Флагманская модель Qwen3-235B-A22B использует архитектуру Mixture of Experts (MoE), где при каждом запросе активируется только часть параметров (22 миллиарда из 235). Это позволяет достигать высокой глубины рассуждений при разумных вычислительных затратах. Именно эта модель входит в топ-3 мировых рейтингов по сложным логическим задачам и генерации кода.

Также доступна гибридная модель Qwen3-30B-A3B (MoE), которая даёт хорошее качество рассуждений при меньших требованиях к железу.

Режимы мышления: Thinking и Non-Thinking

Одна из ключевых особенностей Qwen3 — возможность переключаться между двумя режимами работы: режимом мышления (Thinking) и быстрым режимом (Non-Thinking).

Thinking Mode включает пошаговое рассуждение: модель анализирует задачу, разбивает её на логические шаги, проверяет промежуточные результаты и только потом формирует ответ. Этот режим идеален для математических задач, написания сложного кода, анализа больших таблиц и научных текстов. Пользователь может видеть цепочку рассуждений, что повышает доверие к ответу.

Non-Thinking Mode работает максимально быстро: модель не тратит время на внутренние размышления и выдаёт короткий ответ по делу. Этот режим подходит для переводов, справочных запросов, генерации коротких текстов и любых задач, где скорость важнее глубины.

Переключение между режимами доступно как в веб-интерфейсе, так и через API. В продакшене можно настроить автоматический выбор режима в зависимости от типа запроса, что позволяет экономить ресурсы без потери качества.

Мультимодальность: Qwen3-VL и работа с изображениями

Помимо текстовых моделей, Alibaba Cloud выпустила мультимодальную версию Qwen3-VL, которая понимает изображения, схемы, сканы документов и видео. Она способна:

• описывать сцены и отвечать на вопросы по картинке;
• распознавать рукописный и печатный текст на фото;
• анализировать видео, выделять ключевые события и делать саммари;
• сочетать визуальный анализ с режимом мышления, объясняя логику своих выводов.

В тестах Qwen3-VL показала высокую точность распознавания рукописного текста на русском языке — она допустила лишь одну незначительную ошибку, в то время как некоторые конкуренты (например, DeepSeek и GLM) не справились с этой задачей вовсе.

Кроме того, Qwen3 умеет генерировать изображения по текстовому описанию. Встроенная модель Qwen-Image создаёт картинки с учётом всех деталей запроса, хотя иногда может давать лёгкое «мыло» на мелких элементах. Важно, что Qwen поддерживает редактирование и перерисовку по референсам, что выгодно отличает её от некоторых аналогов.

Qwen3-Coder: специализированная модель для программирования

Для разработчиков Alibaba Cloud предлагает отдельную линейку Qwen3-Coder, оптимизированную для задач программирования. Эта модель обучена на больших массивах кода и способна:

• генерировать функции и модули на популярных языках (Python, JavaScript, Swift, Java и других);
• выполнять рефакторинг legacy-кода;
• находить и исправлять баги в контексте всего проекта;
• генерировать тесты и объяснять решения в режиме мышления.

В тестах на соревновательное программирование (CodeForces Elo) Qwen3-235B набрала 2056 баллов, что выше показателей DeepSeek-R1 и Gemini 2.5 Pro. Однако в задачах на общую логику и генерацию кода (LiveCodeBench) Qwen3 уступает Gemini, но опережает GPT-4o и DeepSeek-R1.

Для российских разработчиков Qwen3-Coder доступна через агрегаторы нейросетей без VPN, а также может быть развёрнута локально с использованием открытых весов.

Сравнение Qwen с другими китайскими нейросетями: Kimi, GLM, DeepSeek

На российском рынке популярны несколько китайских нейросетей, и каждая имеет свои сильные стороны.

Kimi от Moonshot AI позиционируется как модель для кодинга и анализа. Она умеет превращать макеты в рабочий фронтенд-код и поддерживает режим Agent Swarm, координирующий до 100 агентов. Однако в тестах на генерацию текста Kimi показала слабые результаты: план повествования получился сжатым, а текст — растянутым и скучным. Kimi не умеет генерировать изображения.

GLM от Zhipu AI хорошо справляется с кодом и агентными задачами, но в тестах на генерацию текста и распознавание рукописного ввода показала посредственные результаты. GLM умеет рисовать картинки, но качество изображений заметно уступает Qwen.

DeepSeek — полностью бесплатная нейросеть без ограничений по сообщениям. Она отлично справляется с анализом информации и составлением планов, но не умеет генерировать изображения и распознавать рукописный текст. В тестах на написание текста DeepSeek показал лучший результат среди китайских моделей, но всё равно требует серьёзной доработки.

Qwen от Alibaba выигрывает за счёт мультимодальности, поддержки 119 языков, длинного контекста (до 128K токенов) и гибкости выбора режима мышления. Она единственная из китайских моделей, которая одинаково хорошо справляется и с текстом, и с изображениями, и с кодом.

Qwen против ChatGPT и Grok: тесты на реальных задачах

В независимых тестах Qwen3 сравнивали с ChatGPT и Grok по нескольким критериям.

Перевод и анализ текста. При переводе статьи с английского на русский Grok написал наиболее живой и интересный текст, ChatGPT сделал ставку на точность со ссылками, а Qwen3 дал сухой, но информативный результат. Все три модели справились с задачей, но стиль ответов различался.

Распознавание рукописного текста. Qwen3 и ChatGPT показали примерно одинаково высокую точность, правильно распознав ФИО пациента и вид спорта в справке. Grok допустил множество ошибок, распознав меньше половины текста.

Генерация изображений. Qwen3 создал изображение медведя, собирающего малину, за несколько секунд. ChatGPT и Grok также справились с задачей, но Qwen3 оказался быстрее.

Написание кода. В задаче на Swift Qwen3 использовал Core Data и показал уверенное владение инструментами Apple, но код выглядел шаблонным. ChatGPT и Grok предложили более современные и лаконичные решения. Однако в соревновательном программировании Qwen3 превзошёл всех конкурентов.

В целом Qwen3 можно считать достойным конкурентом ChatGPT, особенно в задачах, где важны мультиязычность, длинный контекст и открытость модели.

Как начать пользоваться Qwen в России бесплатно и без VPN

Для российских пользователей доступ к Qwen3 не заблокирован, и существует несколько способов начать работу.

Через официальный сайт chat.qwen.ai. Это самый простой способ: достаточно открыть страницу в браузере, выбрать модель (Qwen3-235B, Qwen3-30B или Qwen3-32B) и начать диалог. Регистрация не требуется, сервис полностью бесплатен без ограничений по количеству сообщений. Интерфейс поддерживает русский язык.

Через агрегаторы нейросетей. Некоторые платформы, например Study AI, предоставляют доступ к Qwen3 без VPN и с возможностью оплаты российскими картами. Это удобно для тех, кто хочет протестировать модель перед развёртыванием.

Локальное развёртывание. Для корпоративных клиентов и разработчиков доступны открытые веса на Hugging Face и официальном сайте Alibaba Cloud. Модели можно запустить через Transformers, vLLM, llama.cpp или Ollama. Для компактных моделей (до 7B параметров) достаточно 8–16 ГБ видеопамяти, для флагманской 235B потребуется серверное оборудование.

Важно: при локальном развёртывании данные не покидают вашу инфраструктуру, что критично для задач с конфиденциальной информацией.

Ограничения и недостатки Qwen3

Несмотря на впечатляющие возможности, Qwen3 имеет ряд ограничений, которые стоит учитывать.

Качество текста. В тестах на написание развёрнутых текстов (например, кейсов или статей) Qwen3 уступает DeepSeek и ChatGPT. Текст может быть сухим, с проблемами согласования времён и модальных глаголов. Для получения качественного результата требуется доработка.

Скорость в режиме мышления. Режим Thinking требует больше времени на генерацию ответа, особенно для сложных задач. В некоторых сценариях это может быть критично.

Генерация изображений. Хотя Qwen3 умеет рисовать, качество изображений иногда уступает специализированным моделям (например, Midjourney). Возможно лёгкое «мыло» на мелких деталях.

Зависимость от интернета. Веб-версия требует стабильного подключения к сети. При локальном развёртывании возникают дополнительные сложности с настройкой оборудования.

Отсутствие некоторых функций. В отличие от ChatGPT, Qwen3 не поддерживает голосовой ввод и не имеет встроенного браузера для поиска в реальном времени (хотя может подключаться к внешним API через function calling).

Как выбрать подходящую модель Qwen3 под свою задачу

Чтобы получить максимальную отдачу от Qwen3, важно правильно выбрать размер модели и режим работы.

Для стартапов и небольших команд оптимальным выбором будет Qwen3-7B или Qwen3-14B. Они обеспечивают хороший баланс между качеством и требованиями к железу, поддерживают русский язык и могут работать на одной видеокарте.

Для сложной аналитики и научных задач стоит использовать флагманскую Qwen3-235B-A22B в режиме Thinking. Она справляется с математикой, длинными отчётами и большими кодовыми базами на уровне лучших мировых моделей.

Для продакшн-среды с ограниченными ресурсами подойдёт Qwen3-30B-A3B (MoE). Она даёт глубину рассуждений, сравнимую с флагманом, но при меньших вычислительных затратах.

Для мобильных и edge-устройств выбирайте Qwen3-0.6B или Qwen3-1.7B. Они работают офлайн, подходят для локальных ассистентов и IoT.

Для задач с изображениями используйте Qwen3-VL, а для программирования — Qwen3-Coder. Эти специализированные версии показывают лучшие результаты в своих областях.

Независимо от выбора, рекомендуется начинать с бесплатной веб-версии, чтобы оценить качество работы на своих данных, и только потом переходить к локальному развёртыванию.

Вопросы и ответы