2025-04-29
Qwen3 系列发布——Qwen3-14B 列于六个开源稠密模型之中
阿里 Qwen 发布完整 Qwen3 系列，其中 Qwen3-14B 为 148 亿参数稠密因果语言模型，具备混合思考模式、128K 上下文（YaRN 扩展）、119 种语言支持和 Apache 2.0 授权。发布声明强调 Qwen3-14B 基础模型与 Qwen2.5-32B-Base 性能相当，代表参数效率整整提升一代。
TheRouter 编辑重写qwenlm.github.io ↗
返回模型列表
Qwen3 14B
qwenqwen/qwen3-14b
Qwen3 14B — balanced mid-range model with strong reasoning at low cost.
Qwen3-14B 是阿里 Qwen 团队推出的 148 亿参数稠密因果语言模型——Qwen3 稠密系列中介于高效的 Qwen3-8B 和更大的 Qwen3-32B 之间的中间档位。模型拥有 40 个 Transformer 层和 40/8 GQA 注意力头，于 2025 年 4 月以 Apache 2.0 授权发布。Qwen3 技术报告揭示了一个关键架构洞察：Qwen3-14B 的基础模型性能与 Qwen2.5-32B-Base 相当，意味着 Qwen3 一代实现了参数效率的代际跃升。具体而言，你以不到一半的参数量和显著更低的推理成本获得了 Qwen2.5-32B 级别的能力。
与所有 Qwen3 指令模型一样，Qwen3-14B 原生支持混合思考：单一检查点在深度推理思考模式（在 <think> 块中输出逐步推理）和快速非思考模式之间切换，通过每次请求的 enable_thinking 或 /think / /no_think token 控制。这对路由非常重要：团队可以为快速补全和更难的分析任务分配相同的 model ID，通过 TheRouter 的 reasoning 参数区分行为，而无需管理两个独立的模型部署。以每百万 token $0.084/$0.252 的价格，Qwen3-14B 是 Qwen3 稠密系列的价值拐点——比 Qwen3-32B（$0.20/$0.80）更便宜，同时在更难推理任务上的质量明显高于 Qwen3-8B。
适合使用
- • 超出 Qwen3-8B 质量上限的成本敏感推理任务——Qwen3-14B 在多步数学、逻辑和结构化分析上提升性能，同时比 Qwen3-32B 显著便宜
- • 多语言应用——支持 119 种语言和方言，在欧洲语系、CJK 及不常见语系中提供强大的指令遵循和翻译质量
- • 大规模 agentic 管道和工具调用工作流——在思考和非思考两种模式下均具备强大的函数调用能力，高量 agent 循环的每次请求成本低于 32B
- • 通用编程、代码审查和解释——覆盖多种编程语言，思考模式为复杂调试或架构审查提供更深入的分析
- • 评估本地或自托管中等开源模型的团队——14.8B 参数的 Qwen3-14B 可在单张高端消费级 GPU（如 4 位量化的 RTX 4090）或适中的多 GPU 配置上运行，Apache 2.0 授权支持无限制商业使用
不适合使用
- • 最难的前沿推理或编程基准——Qwen3-32B、Qwen3-235B-A22B 或闭源前沿模型（o3、Gemini 2.5 Pro）为竞赛级问题提供更高的质量上限
- • 最高吞吐量、规模成本主导的批量任务——当输出量是主要约束时，路由到 qwen/qwen3-30b-a3b（MoE，3B 激活）以降低每 token 服务成本
- • 原生图像或音频输入——Qwen3-14B 仅支持文本输入/文本输出；图像或多模态输入请使用 qwen/qwen3-vl-32b 或其他视觉模型
上下文长度
131K
最大输出
33K
输入价格每百万 tokens
$0.378每百万 Tokens
输出价格每百万 tokens
$1.51每百万 Tokens
模态能力
文本→文本
价格明细
| 类型 | 费率 |
|---|---|
| 输入 | $0.378 每百万 Tokens |
| 输出 | $1.51 每百万 Tokens |
支持参数
temperaturemax_tokenstop_ptoolstool_choiceresponse_formatstop
模型规格
| 总参数量 | 14.8B（非嵌入层 13.2B）huggingface.co/Qwen ↗ | 已核实 |
| 架构 | 稠密因果 Transformer，40 层，GQA 40/8（Q/KV 头）huggingface.co/Qwen ↗ | 已核实 |
| 上下文长度 | 131,072 token（原生 32,768；通过 YaRN 扩展至 131,072）huggingface.co/Qwen ↗ | 已核实 |
| 最大补全 token 数 | 32,768huggingface.co/Qwen ↗ | 已核实 |
| 授权协议 | Apache 2.0huggingface.co/Qwen ↗ | 已核实 |
| 训练阶段 | 预训练 & 后训练（指令模型）huggingface.co/Qwen ↗ | 已核实 |
| 相对上一代的有效效率 | 以 14B 参数达到 Qwen2.5-32B-Base 水平——参数效率提升整整一代qwenlm.github.io ↗ | 已核实 |
基准成绩
| Benchmark | Distribution | Score | Source |
|---|---|---|---|
MMLU 基础模型；5-shot | 81.05% | arxiv.org — Qwen3 technical report ↗ | |
MMLU-Pro 基础模型 | 61.03% | arxiv.org — Qwen3 technical report ↗ | |
BBH (BIG-Bench Hard) 基础模型；3-shot CoT | 81.07% | arxiv.org — Qwen3 technical report ↗ | |
GSM8K 基础模型；4-shot | 92.49% | arxiv.org — Qwen3 technical report ↗ | |
GPQA 基础模型；研究生级科学题 | 39.90% | arxiv.org — Qwen3 technical report ↗ |
API 使用示例
所有新集成都应使用下方示例中的全球端点 api.therouter.ai；旧中国加速端点已下线。
cURL
curl https://api.therouter.ai/v1/chat/completions -H "Content-Type: application/json" -H "Authorization: Bearer $THE_ROUTER_API_KEY" -d '{
"model": "qwen/qwen3-14b",
"messages": [
{"role": "user", "content": "Summarize the key points from this input."}
]
}'qwen 其他模型
同类模型
跨供应商的相似能力档位动态与变更
2025-05-15
Qwen3 技术报告发布于 arXiv
Qwen 团队发布完整技术报告（arXiv 2505.09388），涵盖预训练、后训练、混合思考架构、多语言能力，以及 Qwen3 系列（含 Qwen3-14B）的对比基准。报告记录了 Qwen3-14B 的基础模型基准：MMLU 81.05、BBH 81.07、GSM8K 92.49、GPQA 39.90。
TheRouter 编辑重写arxiv.org ↗
常见问题
Qwen3-14B 与 Qwen3-32B 和 Qwen3-8B 相比如何？
Qwen3-14B 是 Qwen3 系列中的中档稠密模型。它在推理密集型和多语言任务上优于 Qwen3-8B（36 层，32/8 GQA），而 Qwen3-32B（64 层，64/8 GQA，32.8B 参数）为最难问题提供更高的质量上限。成本方面：Qwen3-8B 适合简单任务更经济；Qwen3-14B（每百万 token $0.084/$0.252）是提供 Qwen2.5-32B 级能力的价值拐点；Qwen3-32B（每百万 token $0.20/$0.80）仅在 14B 质量不足时值得溢价。
如何在思考模式和非思考模式之间切换？
通过 TheRouter，在 /v1/chat/completions 上使用 reasoning 参数。直接自托管时，在 chat template 中设置 enable_thinking=True 或 enable_thinking=False，或在系统提示或首条用户消息中加入 /think 或 /no_think。思考模式为默认值。思考模式激活时，响应包含 <think>...</think> 块，展示给终端用户前需解析或过滤。
qwen/qwen3-14b 在 TheRouter 上的有效上下文窗口是多少？
模型的原生上下文为 32,768 token，通过 YaRN 位置插值扩展至 131,072 token。TheRouter 将 context_length 设置为 131,072，max_completion 为 32,768。在 YaRN 范围的远端，针对非常复杂的提示词性能可能有所下降；上线生产前请验证最大输入。
Qwen3-14B 支持工具调用和结构化输出吗？
支持。Qwen3-14B 支持用于函数调用的 tools 和 tool_choice，以及用于结构化输出的 response_format，可通过 TheRouter 上的标准 OpenAI 兼容参数使用。在思考和非思考两种模式下均保持工具调用能力，适合可选推理轨迹与工具执行并存的 agentic 管道。
可以从 Cursor、Cline 或其他 OpenAI 兼容客户端使用 Qwen3-14B 吗？
可以。TheRouter 通过 OpenAI 兼容的 /v1/chat/completions 端点暴露 qwen/qwen3-14b。将客户端的 base URL 设置为 TheRouter 端点，配置 API key，并将 model 设置为 qwen/qwen3-14b。流式传输、tools 和 response_format 均支持。
为什么 Qwen3-14B 被描述为具有 Qwen2.5-32B 级别的能力？
此说法直接来自 Qwen3 官方公告：'Qwen3-1.7B/4B/8B/14B/32B-Base 的表现分别与 Qwen2.5-3B/7B/14B/32B/72B-Base 相当。'换言之，每个 Qwen3 稠密尺寸档次都与下一更大 Qwen2.5 档次相当，因此 Qwen3-14B 基础模型等于 Qwen2.5-32B 基础模型。这反映了 Qwen3 一代在模型架构、训练数据量和训练方法上的全面进步，而非某项单一突破。
事实档案 — 本页每条断言可在此回溯来源
| 来源 | URL | 采集于 | |
|---|---|---|---|
| 总参数量 | huggingface.co/Qwen ↗ | 2026-06-09 | 已核实 |
| 架构 | huggingface.co/Qwen ↗ | 2026-06-09 | 已核实 |
| 上下文长度 | huggingface.co/Qwen ↗ | 2026-06-09 | 已核实 |
| 最大补全 token 数 | huggingface.co/Qwen ↗ | 2026-06-09 | 已核实 |
| 授权协议 | huggingface.co/Qwen ↗ | 2026-06-09 | 已核实 |
| 训练阶段 | huggingface.co/Qwen ↗ | 2026-06-09 | 已核实 |
| 相对上一代的有效效率 | qwenlm.github.io ↗ | 2026-06-09 | 已核实 |
| MMLU | arxiv.org — Qwen3 technical report ↗ | 2026-06-09 | 已核实 |
| MMLU-Pro | arxiv.org — Qwen3 technical report ↗ | 2026-06-09 | 已核实 |
| BBH (BIG-Bench Hard) | arxiv.org — Qwen3 technical report ↗ | 2026-06-09 | 已核实 |
| GSM8K | arxiv.org — Qwen3 technical report ↗ | 2026-06-09 | 已核实 |
| GPQA | arxiv.org — Qwen3 technical report ↗ | 2026-06-09 | 已核实 |
| Qwen3 系列发布——Qwen3-14B 列于六个开源稠密模型之中 | qwenlm.github.io ↗ | 2026-06-09 | 已核实 |
| Qwen3 技术报告发布于 arXiv | arxiv.org ↗ | 2026-06-09 | 已核实 |
| Qwen3-14B 与 Qwen3-32B 和 Qwen3-8B 相比如何？ | qwenlm.github.io ↗ | 2026-06-09 | 待核实 |
| 如何在思考模式和非思考模式之间切换？ | huggingface.co ↗ | 2026-06-09 | 待核实 |
| qwen/qwen3-14b 在 TheRouter 上的有效上下文窗口是多少？ | huggingface.co ↗ | 2026-06-09 | 待核实 |
| Qwen3-14B 支持工具调用和结构化输出吗？ | huggingface.co ↗ | 2026-06-09 | 待核实 |
| 可以从 Cursor、Cline 或其他 OpenAI 兼容客户端使用 Qwen3-14B 吗？ | qwenlm.github.io ↗ | 2026-06-09 | 待核实 |
| 为什么 Qwen3-14B 被描述为具有 Qwen2.5-32B 级别的能力？ | qwenlm.github.io ↗ | 2026-06-09 | 待核实 |