Вы можете со мной не согласиться, но мне нейросети очень напоминают коллег-новичков. Они полны энтузиазма, все время хотят помочь, но то контекст забудут, то в лимиты 2023 года упрутся, то просто начинают слишком много думать там, где думать практически не нужно. Причем кажется, что от этого страдают почти все ИИ-модели, потому что добиться от них полезных ответов может быть реально проблематично. Но Qwen3 – как раз из тех, кто хочет это исправить.

Что за нейросеть Qwen3

Qwen3 создала Alibaba. Это та самая компания, которая управляет AliExpress. Несмотря на новизну – а представили ее меньше года назад – нейросеть получилась очень умная. Во-первых, она поддерживает 119 языков, включая русский. А, во-вторых, обучалась на огромном массиве данных из 36 триллионов токенов. 

Ее учили не только на текстах, но и на программном коде, научных статьях, задачах на логику и колоссальном объеме синтетических данных. Благодаря этому нейросеть уверенно можно использовать в самых разных задачах от написания текстов и научных работ до программирования и даже рисования. Кстати, да, она мультимодальная, поэтому и пишет, и на вопросы отвечает, и кодит, и рисует прекрасно.

Естественно, пользоваться молотком и для забивания гвоздей, и для пайки было бы странно. Поэтому и Qwen3 состоит не из одной, а сразу из 8 разных языковых моделей. Шесть из них предлагают от 0,6 до 32 миллиардов параметров, а две – от 30 до 235 миллиардов. 

Компактные dense-модели нужны для простых задач. Например, Qwen3-0.6B и Qwen3-1.7B могут запускаться просто на обычных видеокартах, не требуют серверов и отлично подходят для мобильных приложений, чат-ботов, локальных помощников. Такие модели быстро отвечают на короткие вопросы, справляются с переводами, базовой генерацией текста и не перегружают систему.

Если задача сложнее, подойдут Qwen3-4B или Qwen3-8B. Они уже способны держать длинный контекст и работать с многоязычными интерфейсами, но потребуют и больших вычислительных мощностей. А для совсем сложных вычислений, анализа больших массивов данных, программирования и поддержки длинных диалогов есть крупные dense- (Qwen3-14B, Qwen3-32B) или MoE-модели.

Режим мышления Qwen3

В Qwen3 есть два режима: thinking и non-thinking. В thinking mode модель рассуждает поэтапно. Она анализирует задачу, разбивает её на логические шаги и только потом формирует ответ. Это удобно, если есть цель не просто получить результат, но и увидеть ход рассуждений. Например, при решении математических задач, написании кода или анализе больших таблиц.

В non-thinking режиме Qwen3 не показывает, как она думает, соответственно, тратит меньше ресурсов и работает максимально быстро. Здесь нет лишних объяснений – только короткий ответ по делу. Такой режим идеально подходит для переводов, справочных запросов, генерации коротких текстов или когда просто нужно быстро получить результат. 

Сравнение Qwen3 с другими нейросетями 

Qwen3, как и DeepSeek-R1 и Gemini 2.5 Pro, использует архитектуру Mixture of Experts (MoE) в своих старших моделях. Это позволяет активировать только часть параметров при генерации, экономя ресурсы без потери качества. Поэтому в сценариях, когда нельзя ответить мгновенно, Qwen3 в среднем работает быстрее того же ChatGPT. Это видно по задачам, связанным с рассуждениями, и, например, рисованию.

Модель Qwen3-235B-A22B стабильно входит в топ-3 моделей по reasoning и генерации кода. Например, в ArenaHard (общая логика) Qwen3-235B набирает 95.6 баллов - чуть уступая Gemini 2.5 Pro (96.4), но опережая DeepSeek-R1 и GPT-4o. В математических задачах (AIME’24/25) Qwen3-235B показывает 85.7/81.4, что выше DeepSeek-R1 и Grok 3, но чуть ниже Gemini. В генерации кода (LiveCodeBench) Qwen3-235B набирает 70.7, уступая только Gemini, а в соревновательном программировании (CodeForces Elo) - 2056 баллов, что выше всех других моделей, включая DeepSeek-R1 и Gemini 2.5 Pro.

Как пользоваться Qwen3

Qwen3 можно использовать локально, но я не очень люблю возиться с установкой локальных моделей, настройкой оборудования и отладкой. Куда легче просто открыть браузер и сразу получить доступ к полноценному ИИ. Поэтому мы сегодня будем изучать, на что он способен, в веб-версии.

На сайте не нужно ничего устанавливать – достаточно открыть страницу, выбрать модель и начать диалог. Онлайн доступны три основные модели: Qwen3-235B, Qwen3-30B и Qwen3-32B. Они легко покрывают практически все задачи: от быстрых справок и переводов до сложных аналитических сценариев.

В интерфейсе всё привычно: поле для ввода текста, возможность прикрепить файл, переключение между режимами мышления – либо кнопкой, либо командой прямо в сообщении. Можно задать лимит на «бюджет мышления», например, ограничить количество токенов или время, чтобы не тратить ресурсы зря.

Разработчики обещают, что Qwen3 уверенно держит длинный контекст до 128 тысяч токенов. То есть вы можете загрузить в онлайн-версию целую книгу, большой отчёт или длинную переписку и получить осмысленный анализ, сводку, поиск ключевых моментов. Для бизнеса, образования и юридических задач это не просто удобство, а реальная экономия времени и сил. Забегая вперёд, скажу, что со сбивчивостью у Qwen3 проблем реально меньше, чем у того же ChatGPT. Хотя, конечно, всегда нужно тестировать. Этим и займемся.

Для теста я взял 3, на мой взгляд, самые оптимальные нейросети: собственно Qwen3, эталонный ChatGPT и Grok. Gemini брать не стал, поскольку у нас он не пользуется такой популярностью, а DeepSeek почему-то то и дело сбоил, выдавая ошибки.

Что умеет нейросеть Qwen3: основные возможности

Первым делом я задал испытуемым простой вопрос: “Как в оригинале “Приключений Гекльберри Финна” один из героев называл то, что в русскоязычном переводе звучало как “похоронное пирование”?

Ответы ChatGPT и Grok оказались почти идентичными и содержали цитату из 27-й главы произведения. Это именно то, что я ожидал увидеть. Но Qwen3 сработал иначе. Несмотря на сохранение контекста, он дал другой пример и ответил более сдержанно. Впрочем, возможно, нестандартный подход к составлению ответов – это и неплохо.

Затем я попросил нейросети дать перевод одной статьи из интернета, написанной на английском.

А вот код.

Я назначил нейронки программистами на Swift и попросил написать приложение с заданной функциональностью. Понятное дело, что весь код приводить здесь не имеет смысла, поэтому я дал лишь небольшие фрагменты. А поскольку сам я не программист, то попросил знакомого кодера дать небольшие комментарии к полученному результату. Вот что получилось:

Этот фрагмент, написанный на UIKit, строится на простых структурах Person и Item и сходу показывает зачатки логики пользовательского интерфейса. Здесь уже есть таблица и даже переменные для хранения данных. Неплохо.

ChatGPT тоже сразу сфокусировался на сути задачи. Тут используется SwiftUI, чистые структуры, Codable и UUID для надёжной идентификации и сериализации. Бизнес-логика расчёта расходов прямо встроена в модель Session, и это даёт мощный задел для дальнейшего развития: можно легко добавить сохранение, интерфейс, аналитику.

Код Qwen3, основанный на Core Data, демонстрирует уверенное владение инструментами Apple, но выглядит как шаблон из Xcode с минимальными изменениями. Кроме того, он выглядит архитектурно тяжёлым и каким-то “пластмассовым”, что ли.

Идем дальше. Теперь попросим нейросети распознать рукописный текст на этой справке:

Первым был Qwen3, и он распознал всё, как нужно:

Grok выдал какую-то чушь:

Но за что еще мы так любим нейросети? Конечно, за генерацию картинок, и тут все три справляются очень хорошо.

Я попросил все три нейронки нарисовать медведя, который собирает малину.

Первым справился Qwen3. У него на создание изображения ушло всего несколько секунд.

С точки зрения стилистики изображения получились довольно непохожими. Qwen3 и Grok попытались в реализм, а ChatGPT нарисовал настоящую картину. Его результат мне понравился больше. Но скорость, с которой он рисует, не оставляет ему никаких шансов. Если бы я генерировал множество картинок для статей по несколько раз в день, детищем OpenAI я бы не пользовался, так как это заняло бы кучу времени. Я бы выбрал Grok или Qwen3.

Впрочем, вы можете со мной не согласиться. Все-таки ChatGPT предлагает более продвинутый интерфейс редактирования изображений, который позволяет менять отдельные аспекты картинки почти как настоящий фоторедактор. Зато у Qwen3 есть возможность сразу выбрать формат. У всех остальных его нужно прописывать вручную.

Ну и заключительная задача – это создание видео. Как ни странно, тут справился только Qwen3. Я попросил его сделать ролик, как самолет приземляется в дождь (да, промпт был именно такой), и он выдал отличный результат – причем даже быстрее, чем ChatGPT нарисовал картинку.

Вот кадр из того видео:

А посмотреть его целиком можно по этой ссылке.

Где Qwen3 реально выручает

Документы и аналитика. Если вы часто работаете с длинными отчётами и договорами. Qwen3 умеет не только делать сводки, но и находить спорные пункты, предлагать формулировки для переговоров, выделять риски. Для многих это может стать реальной альтернативой ручному разбору и долгим обсуждениям с коллегами.

Переводы и многоязычный контент. Модель поддерживает 119 языков. Можно загрузить письмо или презентацию, сразу получить адаптированный перевод для нужной страны - не просто машинный, а с учётом стилистики и нюансов. Это удобно, если работаешь с международной командой или клиентами из разных стран.

Код и программирование. Qwen3 пишет код, объясняет логику, находит ошибки. Если прошу объяснить чужой скрипт или оптимизировать решение, получаю не только исправленный вариант, но и разбор, почему так лучше. Для обучения и быстрой проверки гипотез - находка.

Образование. Модель генерирует задания, проверяет эссе, объясняет решения по математике. Иногда использую для самопроверки или чтобы быстро подготовить материалы для обучения коллег.

Креативные задачи. Qwen3 может сгенерировать текст, картинку или даже короткое видео. Для иллюстраций к статьям, презентациям или быстрых идей – удобно, когда не хочется открывать отдельные сервисы.

Qwen3 – лучшая бесплатная нейросеть?

Очевидно, что Qwen3 не идеален, но он действительно ощущается полезным инструментом, которому можно найти применение. За счет продуманной экосистемы моделей, гибких режимов работы и поддержки 119 языков она уверенно справляется со многими задачами. Впечатляет не только универсальность, но и скорость: Qwen3 одинаково быстро ищет ответы на вопросы, переводит, анализирует документы, пишет код, распознает рукописный текст, генерирует изображения и даже создает видео - и всё это доступно прямо через браузер, без долгой настройки и возни с железом.

Кроме того, Qwen3 часто оказывается точнее там, где другие модели либо теряют контекст, либо начинают долго думать, либо просто выдают шаблонные ответы. А возможность выбирать режим мышления, работать с файлами, управлять глубиной анализа и получать результат в нужном формате - это не просто приятные бонусы, а реальные преимущества, которые экономят время и делают работу с ИИ предсказуемой и удобной.

Да, Qwen3 не всегда выдаёт идеальный результат с первого раза, и в некоторых задачах конкуренты могут быть сильнее по отдельным параметрам. Но если смотреть на картину в целом, то эта нейросеть сегодня предлагает баланс между скоростью, качеством, открытостью и многофункциональностью, которого так не хватает большинству современных языковых моделей. Ну, а главное, что он, в отличие от аналогов, полностью бесплатный. А это внушительный плюс.