千问 Qwen

苹果选千问的实质，是系统级AI底座按合规、隐私与工程交付确定性选定，纯模型能力不再是决定项。

• 影响对模型厂商，系统级合作的门槛在合规资质、云基础设施与大客户交付，跑分和月活短期难以补齐；对硬件厂商，苹果的选择会成为挑选中国区AI伙伴的参照；联合训练的定制模型绑定会推高后续切换成本。
• 参考可考虑在模型供应商评估表中加入备案状态、数据隔离架构与大规模并发交付案例三项硬指标；设备厂商筛选中国区AI伙伴时，值得按合规、身份中立性和交付确定性三道门槛自查候选方。

苹果把系统级入口交给千问，实质是给阿里盖了一枚可对外引用的资历章，国产模型竞争从比参数转向比能否嵌入他人系统。

• 影响阿里谈B端大客户时多了一个现成标杆，云和MaaS订单的说服力可能随之增强；其他模型厂商面对的选型对比标准被抬高；集成类AI服务的账号与数据边界条款会成为企业接入时的新评估项。
• 参考选型团队可考虑把系统级落地案例与私有化部署能力列入评估清单，而不只看跑分和发布会；已用阿里云的企业值得核对其MaaS价格与数据不训练承诺，评估是否扩大用量。

图像生成模型的标价互相不可比，选型关键从比价转向实测实扣，参数设置对账单的影响可以超过模型选择本身。

• 影响电商产品图、营销素材等批量出图的单张成本可压到 $0.014 量级；quality 与提示词长度会放大按 token 计费模型的账单；品牌套图要先核对参考图上限，上限低的模型直接出局。
• 参考可考虑先按文字标签、参考图数量、是否需要图文同答等硬约束筛掉不合格模型，再用自家提示词各跑一次并读取 usage.cost 对比实付；OpenAI 模型预算需注明 quality 档位。

千问把智能体编程能力推到开源阵营头部，官方口径对标 Claude Sonnet 4，成绩属厂商自报。

• 影响代码智能体的开源选项接近闭源旗舰，API 成本议价与私有化部署可行性提高；480B 自建部署门槛不低，多数企业更可能经 API 或 Claude Code、Cline 接入；配套工具已开源，迁移路径现成。
• 参考可考虑在仓库级问答或缺陷修复场景做小规模对比试点，记录与现用模型的耗时和费用；值得先算出现有代码 API 账单，再评估 qwen3-coder-plus 的替换空间。

千问把开源权重模型推到对标闭源一线的位置，混合思考模式让推理深度变成可配置的成本项。

• 影响MoE 架构以 10% 激活参数对齐 dense 基座，官方称训练与推理成本显著节省；Apache 2.0 允许商用与私有化部署；双模式便于按任务难度分配推理预算，压低单次调用成本。
• 参考可考虑把 Qwen3-30B-A3B 列入本地化试点，用 SGLang 或 vLLM 起服务对比现有模型；值得按任务难度拆分场景，复杂推理开思考模式、简单任务用 /no_think 省算力，并核算 token 成本差。

强化学习把比肩 DeepSeek-R1 的推理性能做进 32B 体量，强推理模型的算力与部署门槛随之明显下移。

• 影响自部署强推理模型的硬件预算有望随 32B 规模下降；Apache 2.0 允许商用，私有化部署路径明确；模型内置 Agent 能力，工具调用类场景可直接纳入试点评估。
• 参考可考虑选数学、代码类任务与现有 DeepSeek-R1 方案做一轮同题对比评测；若倾向私有化，先算出 32B 模型在现有 GPU 资源上的部署成本，再定试点范围。

阿里以超大规模 MoE 模型直接对标 DeepSeek V3，旗舰模型竞争焦点转向数据与模型规模的比拼。

• 影响旗舰模型对标 DeepSeek V3 等头部模型，且接口兼容 OpenAI API，替换或试用的迁移成本较低；跑分为官方自报口径，选型前用自有场景实测更稳妥。
• 参考可考虑先在 Qwen Chat 用真实业务问题试用；值得按官方示例接入兼容 OpenAI 的 API，跑一轮自有场景小样本评测，与现有模型对比后再定选型。

开源视觉语言模型把文档解析与视觉 Agent 能力带进 3B 到 72B 全尺寸，企业做私有化多模态处理的门槛在下降。

• 影响发票、表单、表格的结构化输出可直接对接财务和商务流程；3B 等小尺寸为边缘和私有化部署提供了选项；电脑与手机操作等能力目前仅有官方口径。
• 参考可考虑选一个发票或表单识别场景，用开源 7B 版与现有 OCR 流程对比准确率和成本；有自动化需求的企业可小范围测试其操作电脑和手机的成功率。

千问把模型上下文扩到 1M token 而价格保持不变，超长文本处理的成本门槛明显下移，长文档任务能否落地主要取决于效果稳定性。

• 影响整本小说、多篇论文、仓库级代码等超长输入可按平价一次处理；官方自述长序列任务在真实应用中表现仍不够稳定；推理提速让 1M token 输入的首字等待降到约 1 分钟。
• 参考可考虑盘点业务中整本书、长报告或代码库级的输入场景，先通过 HuggingFace 或 ModelScope Demo 验证效果，再按 ¥0.3/1M tokens 估算接入成本。

开源代码模型在编码基准上追平 GPT-4o，企业搭建代码助手多了自托管选项，对闭源 API 的依赖可以降低。

• 影响研发团队可把代码补全和修复的部分负载转到自托管模型，代码数据留在内部；六个尺寸便于按算力预算选型；官方分数为自报口径，落地效果要结合自家代码库评估。
• 参考可考虑选一个内部代码补全或修复场景做小规模对比，记录与现用闭源服务的质量和成本差异；值得先盘点 GPU 资源能否承载 7B 到 32B 档位的部署。

阿里把通用、代码、数学模型一次性全尺寸开源，企业自部署可选的中文开源底座明显变多，跑分均为官方自评。

• 影响除 3B 和 72B 外均为 Apache 2.0，私有化部署的授权成本低；14B 与 32B 档位给出效果与算力成本的折中选项；官方基准为自评，采购选型前宜用自家业务数据复核。
• 参考可考虑把 14B 与 32B 档位加入私有化选型清单，用自有评测集与现用模型对比；走 API 路线的团队可先估算 Qwen-Plus 与 Qwen-Turbo 在目标场景的单次调用成本。

Qwen2.5 补齐 3B/14B/32B 等中等尺寸开源模型，评测数字逼近闭源和上代旗舰，企业用更小模型承担生产负载的空间变大。

• 影响中等尺寸开源模型意味着生产部署可选 14B/32B 替代 72B 以降低推理成本；多数模型采用 Apache 2.0 可商用，但 3B 和 72B 使用 Qwen 自有许可，采用前需做合规核查；128K 上下文和 8K 输出让长文档、结构化数据场景可用性扩大。
• 参考可考虑把新增的 14B/32B 列入自部署模型选型清单，与在用模型跑同套题对比成绩；端侧或移动场景值得试 3B 版本；生产采用前先核对 Qwen License 与 Qwen Research License 的条款。

视觉理解能力进入开源可自持阶段，企业做文档、视频类多模态应用有了从 2B 端侧到 72B API 的成本梯度。

• 影响文档识别与视频问答类需求可用 7B 自部署压低单位成本，Apache 2.0 允许商用；视觉操作手机 UI 的智能体能力尚处演示阶段，接入业务流程前需按自有场景验证。
• 参考可考虑先选一个文档问答或票据识别场景，用 7B 与现有方案比对识别错误率再定试点；移动或边缘侧需求可评估 2B 版本；走 API 前先确认 DashScope 计费。

Qwen2 以五个规模加更宽松许可开源，小模型私有化部署的商用门槛下降，开源模型竞争点转向长上下文与多语言。

• 影响除 72B 外的模型采用 Apache 2.0，私有化部署与二次分发的许可顾虑减少；多个规模可选，端侧与服务器部署可分开选型；官方称性能超 Llama-3-70B，自建部署与采购 API 的成本对比需要重算。
• 参考可考虑用 Qwen2-7B-Instruct 在中文或代码场景跑对比测试；值得先确认 Qwen2-72B 的 Qianwen License 商用条款再定部署方案；已有 Qwen1.5 部署的可评估迁移收益。

Qwen1.5 把模型能力升级和接入成本下降打包在一起，官方将适配工作直接做进主流框架，换取开发者的迁移便利。

• 影响全尺寸开源加 Int4、Int8、AWQ、GGUF 量化版本，私有化部署和多尺寸选型的空间变大；小模型在 RAG 与长文本任务上的官方成绩可观，本地部署成本有下探空间；官方数据仍明显落后 GPT-4-Turbo，高端场景需要留出替代预案。
• 参考可考虑先拿业务测试题对比 Qwen1.5-72B-chat 与现有模型的表现；值得测算 7B 到 14B 量化版本在私有环境跑 RAG 的成本；接入前先核对 transformers 和 vLLM 等框架的版本要求。

通义千问把视觉语言模型推到与 GPT-4V、Gemini 正面比拼的位置，中文图文理解是其官方主打的差异化卖点。

• 影响文档抽取、表格识别、图表解读等含图业务的自动化处理多了国产模型选项；官方对比数字未经独立验证，选型前需按自有数据实测；模型已开放网页与 API 入口，小规模验证的接入成本不高。
• 参考可考虑选一类真实文档或票据场景，将 Qwen-VL-Max 与现有方案做同题对比后再定预算；值得先盘点业务中依赖图片文字识别的环节清单。