研报总结：阿里巴巴 Qwen3 模型发布
核心观点
本研报由 Jefferies 香港 证券分析师 Thomas Chong 和 Zoey Zong 撰写，重点关注阿里巴巴发布的 Qwen3 系列大语言模型，并将其视为开源 AI 领域的新标杆。报告核心观点如下：
- 混合推理模型的首次亮相：Qwen3 系列引入了混合推理模型，用户可以在复杂的多步任务（如数学、编程、逻辑推理）的“思考模式”和快速通用的“非思考模式”之间切换。这是通过一个四阶段的训练过程实现的，包括长链思维（CoT）冷启动、强化学习、思考模式融合和通用 RL。
- 模型规模多样化：Qwen3 系列包括 6 个密集模型（参数规模为 0.6B、1.7B、4B、8B、14B 和 32B）和 2 个 MoE 模型（30B 活跃参数为 3B，235B 活跃参数为 22B）。
- 部署成本降低：Qwen3-235B-A22B 模型在保持高性能的同时，显著降低了部署成本，相较于其他最先进的模型具有明显优势。
- 模型能力提升：相较于 Qwen2.5，Qwen3 在多个方面进行了升级：
- 多语言能力：支持 119 种语言和方言。
- 智能体集成：支持 MCP（模型上下文协议），在复杂的基于智能体的任务中具有强大的函数调用能力。
- 推理能力：在数学、编程和逻辑推理基准测试中，Qwen3 的推理能力超越了之前的 Qwen 模型（QwQ 在思考模式下，Qwen 2.5 在非思考模式下）。
- 人类对齐：增强了与人类的对齐能力。
- 行业基准测试中的顶尖表现：Qwen3 在多个行业基准测试中取得了顶尖成绩，包括 AIME25（数学推理）、LiveCodeBench（编程能力）、BFCL（工具和函数调用能力）以及 Arena-hard（指令微调 LLM）。其能力与其他顶级模型（如 DeepSeek-R1、o1、o3-mini、Grok-3 和 Gemini-2.5-Pro）相当。
关键数据
- 训练数据规模：Qwen3 使用了 36 万亿个 token 进行训练，是 Qwen2.5 所用 token 数量的两倍。
- 模型参数规模：Qwen3 系列包括 6 个密集模型和 2 个 MoE 模型，参数规模从 0.6B 到 32B 不等。
- 部署成本：Qwen3-235B-A22B 模型的部署成本显著低于其他最先进的模型。
研究结论
Qwen3 的发布标志着阿里巴巴在开源 AI 领域的又一重大突破。混合推理模型的引入、多样化的模型规模、降低的部署成本以及提升的模型能力，使得 Qwen3 成为当前最先进的大语言模型之一。Qwen3 在行业基准测试中的顶尖表现，进一步证明了其在多语言处理、智能体集成、推理能力和人类对齐等方面的强大能力。这些优势将有助于阿里巴巴在 AI 领域保持领先地位，并为用户提供更智能、更高效的服务。
风险提示
尽管 Qwen3 具有许多优势，但阿里巴巴仍然面临一些风险，包括：
- 宏观经济放缓：严重的宏观经济放缓可能会影响在线购物增长，从而影响阿里巴巴的业务表现。
- 竞争加剧：在本地服务和全球化方面的激烈竞争可能导致阿里巴巴增加营销支出，从而影响其盈利能力。
- 用户增长不及预期：如果阿里巴巴的用户增长低于预期，可能会影响其未来的收入增长。
投资建议
Jefferies 给予阿里巴巴“买入”评级，目标价分别为 160 美元和 155 港元，预期未来 12 个月内总回报（价格 appreciation plus yield）将分别达到 35%。
