小刘BOT

Qwen3值不值得普通用户本地部署?3个落地场景,30道题,300条回答,10模型大混测,豆包AI打分!

2025.05.01 发布2026.10.26 更新1,755 字 · 约 5 分钟9 张图
摘要通过三个实际场景测试Qwen3小模型,发现32B版本表现优异,适合本地部署,14B和8B版本也值得考虑。
目录 · 5 节

前几天阿里发布了Qwen3,这所有消息里,最吸引我的一条是:

Qwen3-4B可追平上代开源超大杯Qwen2.5-72B

没错,作为一个单纯的使用者,我对这次Qwen3的小模更感兴趣。

Qwen3-235B-A22B虽然说性能也强,登顶全球开源榜首,瑞思拜,但我本地部署不了呀。要说直接线上用,对最近集齐了GPT、Claude、Gemini御三家+Cursor会员的我来说,吸引力也不大。

而小模性能的提升,意味着个人本地部署可行性的提升。能本地部署就意味着数据离线私有化和无限量的tokens,成功勾起了本4090用户的兴趣。

但这得有个前提:Qwen3小模的性能真的够看。

老读者应该记得,之前DeepSeek个人本地部署成风的时候,我是唱反调的:

醒醒!你本地部署的DeepSeek-R1,它不是R1站内文章 →

因为首先DeepSeek蒸馏的那几个模型它确实不是DeepSeek,其次能部署到消费级显卡上的几个模型表现是真的挺一般,相比之下还不如用API呢。

所以,进入今天的主题,咱们看看Qwen3的小模到底咋样。

测试方法

首先声明:我这次的测试场景比较主观,并不是严肃测评。相关的评分是由AI(Doubao-1.5-thinking-pro)给出,娱乐一下。

场景方面,我基于自己的使用场景选了三个,我觉得应该不小比例的普通工作党跟我的场景近似:

  1. 对于带有一定目的性的文案的审查和修改。

测试题目是用了10条存在问题的淘宝好评文案。
2. 对内容的总结和理解。

测试题目是在网上随机选取的10篇文章。
3. 基本问答下的逻辑和计算能力。

测试题目是在弱智吧训练集中随机选取的10个问题(带答案)。

参与测试的大模型一共10个:

  • 6个是我通过Ollama在本机部署的,分别是:

qwen3:8b、qwen3:14b、qwen3:32b、qwen3:30b-a3b、deepseek-r1:8b、deepseek-r1:32b
– 4个是线上API接入,分别是:

QwQ-32B、GLM-4-Flash、DeepSeek-V3、Grok-3

裁判是Doubao-1.5-thinking-pro:

  • 前两个场景,它会站在上帝视角,浏览所有选手回答后进行打分
  • 弱智吧测试题,会根据标准答案进行打分

测试环境,本来准备使用CherryStudio,但后来发现回答同一个问题时模型之间会相互抄作业,所以最后还是使用了多维表格。

飞书多维表格以卡片并排展示不同模型的测试回答

同一数学题详情页对照参考答案与多模型解答

正好最后的完整测试题目和选手回答也方便放出来。

下面是正式的测试结果。

各10题,平均分就是求和分值除以10。

第一卷:文案分析和修改

第一卷 文案分析和修改:

文案分析测试表逐题并排记录十种模型回答与评分

得分:

文案分析评分汇总表列出各模型得分排序

Qwen3确实表现不俗,第一卷就被32B拿了榜首。

之前DeepSeek蒸馏的两个模型——我说的也没骗人吧——排名比较靠后。

免费调用的GLM-4-Flash遗憾垫底。但为它说句公道话,你很难找到跟它一样免费不限量且高并发的API了。

第二卷:文章总结和感悟

第二卷文章总结和感悟:

文章总结测试表对照不同模型的摘要与感悟回答

得分:

文章总结评分汇总表展示QwQ与DeepSeek等模型成绩

QWQ-32B拔得头筹。

DeepSeek-V3稳居第二。

上一场第一名Qwen3:32B本次名列第三。

DeepSeek蒸馏的32B(其实蒸馏的也是千问),上升到第四,8B仍然落后。

GLM-4-Flash依旧陪跑。

第三卷:弱智吧答题

第三卷 弱智吧答题考试:

问答测试表并排对比多模型对非常规题目的回答

得分:

非常规问答评分表列出DeepSeek与Qwen等模型成绩

DeepSeek-V3依旧强悍(本次使用的是0324版本)。

Qwen3:14B这次怒拿第二名,32B第三,也是优等生。

DeepSeek蒸馏8B遗憾垫底,32B倒数第三。

GLM-4-Flash在弱智吧上扳回一城,保住了颜面。

最终结果与部署建议

最终测试结果:

综合评分表汇总十种模型的总分与平均分

DeepSeek-V3第一名。

Qwen3:32B第二名。

QWQ-32B出乎我的意料拿到第三名。

Qwen3:30B-A3B本来我寄予厚望,不过在这几项测试上意外爆冷。

如果根据这个结果,90及以上显卡的朋友本地部署建议选择Qwen3:32B,稍差一些的14B也是不错的选择,8B也会强过之前的DeepSeek蒸馏版本。

以上完整测试问题和结果可查看链接:

https://ilovezhiwai.feishu.cn/wiki/HThDwnX0FiyTIakyDe9c2z99nef?from=from_copylink

再次重申:本测试既不科学也不严谨,仅供逗乐。请不要在严肃领域使用本次测试结论。

祝大家五一假期愉快!