qwen团队也学会了一周7天每天更新，从拆分混合思考开始，连续几个工作日发布模型。混合思考看来不是免费的午餐，其他各家不知道会不会跟着下掉。
以下为hf页面原文：
Highlight
Qwen3-Coder-30B-A3B-Instruct发布，官方起名叫Qwen3-Coder-Flash，小参数3B激活同时兼具效果和效率，主要改进如下：
在Agentic Coding、Agentic Browser-Use及其他基础编码任务上，于开放模型中表现突出。 原生支持256K tokens的长上下文，借助 Yarn 可扩展至1M tokens，专为仓库级理解而优化。 支持Agentic Coding，兼容Qwen Code、CLINE等主流平台，并采用专门设计的函数调用格式。
模型概览
Qwen3-Coder-30B-A3B-Instruct具备以下特征：
类型：Causal Language Models 训练阶段：Pretraining & Post-training 总参数量：30.5B，其中激活参数 3.3B 层数：48 Attention Heads（GQA）：Q 为 32，KV 为 4 Experts 数量：128 激活的 Experts 数量：8 上下文长度：原生262,144
注意：该模型仅支持非思考模式，不会在输出中生成<think></think>区块，因此不再需要设置enable_thinking=False。
如需了解基准评估、硬件需求及推理性能等更多细节，请参阅我们的博客、GitHub 与文档。
快速开始
建议使用最新版transformers。
若使用transformers<4.51.0，将出现以下错误：
下方代码片段演示如何基于给定输入使用模型生成内容。
from transformers import AutoModelForCausalLM, AutoTokenizer
model_name ="Qwen/Qwen3-Coder-30B-A3B-Instruct"
# 加载 tokenizer 与模型
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
model_name,
torch_dtype="auto",
device_map="auto"
)
# 准备模型输入
prompt ="Write a quick sort algorithm."
messages = [
{"role":"user","content": prompt}
]
text = tokenizer.apply_chat_template(
messages,
tokenize=False,
add_generation_prompt=True,
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)
# 进行文本补全
generated_ids = model.generate(
**model_inputs,
max_new_tokens=65536
)
output_ids = generated_ids[0][len(model_inputs.input_ids[0]):].tolist()
content = tokenizer.decode(output_ids, skip_special_tokens=True)
print("content:", content)
提示：如遇内存不足 (OOM) 问题，可将上下文长度缩小至如32,768。
本地使用时，Ollama、LMStudio、MLX-LM、llama.cpp 与 KTransformers 均已支持 Qwen3。
Agentic Coding
Qwen3-Coder 在工具调用方面表现出色。
可如下例所示简单定义或使用任意工具。
# 你的工具实现
def square_the_number(num:float) -> dict:
returnnum ** 2
# 定义 Tools
tools=[
{
"type":"function",
"function":{
"name":"square_the_number",
"description":"output the square of the number.",
"parameters": {
"type":"object",
"required": ["input_num"],
"properties": {
'input_num': {
'type':'number',
'description':'input_num is a number that will be squared'
}
},
}
}
}
]
import OpenAI
# 定义 LLM
client = OpenAI(
# 使用与 OpenAI API 兼容的自定义端点
base_url='http://localhost:8000/v1', # api_base
api_key="EMPTY"
)
messages = [{'role':'user','content':'square the number 1024'}]
completion = client.chat.completions.create(
messages=messages,
model="Qwen3-Coder-30B-A3B-Instruct",
max_tokens=65536,
tools=tools,
)
print(completion.choice[0])
最佳实践
为获得最佳表现，建议按以下设置：
采样参数：
建议 temperature=0.7、top_p=0.8、top_k=20、repetition_penalty=1.05。充足的输出长度：大多数查询建议使用 65,536 tokens 的输出长度，这对 instruct 模型已足够。
引用
若我们的工作对您有帮助，欢迎引用。
@misc{qwen3technicalreport,
title={Qwen3 Technical Report},
author={Qwen Team},
year={2025},
eprint={2505.09388},
archivePrefix={arXiv},
primaryClass={cs.CL},
url={https://arxiv.org/abs/2505.09388},
}