🎯 情报来源：Simon Willison's Weblog
通义千问团队通过Twitter突然发布Qwen3-Next-80B-A3B系列两款新模型（Instruct/Thinking版本），采用创新的超稀疏混合专家架构（512专家+10路由），在80B总参数量下仅激活3B参数运行。官方宣称其推理速度较Qwen3-32B提升10倍，训练成本降低90%，尤其在32K以上长上下文场景表现突出。
性能对标方面，Instruct版本接近团队235B旗舰模型水平，Thinking版本在特定任务中超越Gemini-2.5-Flash-Thinking。架构上融合门控DeltaNet与门控注意力机制，配合多令牌预测技术，实现响应速度与召回率的平衡。模型文件体积约150GB，已上线Hugging Face和OpenRouter平台。
💡 核心要点
- 80B参数仅激活3B：动态稀疏计算实现10倍推理加速（对比Qwen3-32B）
- 混合架构创新：Gated DeltaNet + Gated Attention + 512专家MoE
- 成本突破：训练成本降低90%，长上下文处理效率显著提升
- 性能对标：Instruct版接近235B旗舰，Thinking版超越Gemini-2.5-Flash
- 模型体积：约150GB，支持OpenRouter即时调用
📌 情报分析
技术价值：极高
超稀疏MoE架构（512专家+3B激活）实现参数量与计算效率的突破，门控混合机制为长上下文优化提供新范式，多令牌预测技术进一步提升推理速度。
商业价值：高
10倍成本下降大幅降低大模型商用门槛，32K+长上下文处理能力在金融、法律等高价值场景具备直接变现潜力。
趋势预测：高
动态稀疏计算将成为200B+参数模型标配技术，通义千问通过架构创新实现对GPT-4级模型的”降维打击”，可能加速行业向稀疏化架构转型。