阿里 AI 四连发，横扫全球开源榜单第一名

本周阿里通义团队接连推出 Qwen3-235B 非思考版本、Qwen3-Coder 编程模型、Qwen3-235B-A22B-Thinking-2507 推理模型，以及 WebSailor AI Agent 框架，四款产品横扫基础模型、编程模型、推理模型和智能体领域的开源榜单。

阿里巴巴通义团队用四连发的重磅出击，横扫 Github 开源榜单。

本周从 7 月 22 日到 25 日，阿里接连推出 Qwen3-235B 非思考版本、Qwen3-Coder 编程模型、Qwen3-235B-A22B-Thinking-2507 推理模型，以及 WebSailor AI Agent 框架，四款产品横扫基础模型、编程模型、推理模型和智能体领域的开源榜单。

权威机构 Artificial Analysis 更是直接评价：

通义千问 3 是全球最智能的非思考基础模型。

非思考模型也能性能 “爆表”

据硬 AI，周二凌晨阿里巴巴通义千问团队推出非思考模式（Non-thinking）最新模型，命名为 Qwen3-235B-A22B-Instruct-2507-FP8。

这款非思考模型在多项关键基准测试中表现出色。不仅全面超越了 Kimi-K2 等顶级开源模型，甚至领先 Claude-Opus4-Non-thinking 等顶级闭源模型。

值得一提的是，本次更新的 Qwen3 模型在 Agent 能力尤其亮眼：在 BFCL（Agent 能力）测评中表现卓越。这意味着模型在理解复杂指令、自主规划、调用工具以完成任务的能力上，达到了一个新的高度。“主打 Agent”，将是未来 AI 应用的核心竞争力。

编程模型引发社区沸腾

7 月 23 日发布的 Qwen3-Coder 更是在全球开发者社区引发轰动。

华尔街见闻此前提及，这款基于 MoE 架构的编程模型拥有 480B 总参数，35B 激活参数，原生支持 256K 上下文，可扩展至 1M。

在开发者最关注的 SWE-bench Verified 基准测试中，Qwen3-Coder 取得了开源模型最佳表现。

模型在 7.5 万亿 token 规模上训练，其中包含 70% 代码数据，并通过长时程强化学习和 2 万个虚拟环境的大规模实战训练，在真实世界的多轮交互任务中展现出色能力。

阿里还推出了配套的命令行工具 Qwen Code，为开发者提供了完整的编程解决方案。

科技界领袖纷纷为 Qwen3-Coder 点赞，例如 Perplexity CEO Aravind Srinivas 盛赞 Qwen3-coder 的实力：

成果令人惊叹，开源正在获胜。

推特创始人 Jack Dorsey 更是强调 Qwen3 和 Goose——其 Block 公司开发的 AI Agent 框架，搭配使用的话非常棒：

goose 配合 Qwen3-Coder 等于哇哦

AI Agent 框架挑战闭源垄断

阿里通义实验室同期开源的 WebSailor AI Agent 框架，直接对标 OpenAI 的 Deep Research 产品。

这款框架在 BrowseComp-en/zh 测试中性能显著优于所有开源智能体，可媲美专属闭源模型。

WebSailor 采用复杂任务生成和强化学习模块的双重技术架构。通过构建复杂知识图谱和动态采样策略，系统能够在海量信息中进行高效检索和推理。

除了在复杂任务上的卓越表现，WebSailor 在简单任务上也表现出色。例如，在 SimpleQA 基准测试中，WebSailor 的性能超过了所有其他模型产品。

该项目在 GitHub 已获得超过 5000 颗星，并曾拿下每日增长趋势第一名。

WebSailor 的核心技术主要围绕复杂任务生成和强化学习模块展开，这两个模块相互配合，共同推动了开源智能体在复杂信息检索任务中的性能提升。

该框架的开源意义重大，打破了闭源系统在信息检索领域的垄断地位，为全球开发者提供了媲美 Deep Research 的开源解决方案。

推理模型登顶全球开源冠军

7 月 25 日发布的 Qwen3-235B-A22B-Thinking-2507 成为本周最重磅的产品。

AIME25（数学）达到 92.3 分。

LiveCodeBench v6（编程）获得 74.1 分。

WritingBench（写作）达到 88.3 分。

PolyMATH（多语言数学）获得 60.1 分。

更详细的榜单表现来看，Qwen3 推理模型相较于其他模型来看也毫不逊色（除了 R1，其他都是顶尖闭源模型）。

该模型采用 MoE 架构，总参数 235B，激活参数 22B，拥有 94 层结构和 128 个专家系统，原生支持 262,144 tokens 上下文长度。模型专为思考模式构建，默认聊天模板自动包含思考标签，为深度推理提供了强大支撑。

OpenRouter 数据显示，阿里千问的 API 调用量在过去几天暴涨，已超过 1000 亿 tokens，包揽最热门调用模型前三名。这一数据直接反映了市场对阿里开源模型的认可度。

全球网友也是被通义的最强推理模型给惊呆了。有网友直接表示：

中国的开源 o4-mini。

AI Thinkers 更是评论道：

中国刚刚发布了一款怪物级的 AI 模型。