国内首个「混淆推理模型」Qwen3深夜开源，盘点它的N种对接方式！ ...

今日凌晨，通义千问团队正式开源了 Qwen3 大模型，并且一口气发布了 8 个型号，其中包括 0.6B、1.7B、4B、8B、14B、32B 以及 30B-A3B 和 235B-A22B，利用者可以根据自己的业务情况，选择符合的版本进利用用。
更让人惊喜的是，最新的 Qwen3 系列模型具备双模推理能力（深入思考/快速响应）、支持 119 种语言及方言，并强化了 Agent 功能与代码实行能力，全面满足复杂问题处理与环球化应用需求。
   PS：Qwen3 也是国内首个「混淆推理模型」，「快思考」与「慢思考」集成进同一个模型，对简朴需求可低算力「秒回」答案，对复杂问题可多步调「深度思考」，大大节省算力消耗。
  Qwen3 旗舰模型 Qwen3-235B-A22B 在代码、数学、通用能力等基准测试中，与 DeepSeek-R1、o1、o3-mini、Grok-3 和 Gemini-2.5-Pro 等顶级模型相比，体现出极具竞争力的效果。此外，小型 MoE 模型 Qwen3-30B-A3B 的激活参数数量是 QwQ-32B 的 10%，体现更胜一筹，乃至像 Qwen3-4B 这样的小模型也能对抗 Qwen2.5-72B-Instruct 的性能，以下是测试报告：

对接 Qwen3

常见对接大模型的方案有以下几种：

• 官方对接方式：例如，调用阿里百炼平台对接 Qwen3。
  
• 当地模型对接方式：安装 Ollama 摆设 Qwen3，对接 Ollama 实现调用。
  
• 三方平台对接方式：利用千帆或火山引擎等三方平台，对接调用 Qwen3。
  

但目前由于 Qwen3 刚刚发布，以是只能利用前两种对接方式，停止发稿时，三方平台还未上线 Qwen3，但也够用了。
详细实现

接下来我们就以官方的调用方式，来实现一下 Qwen3 的详细代码对接吧，这里提供 Spring AI 和 LangChain4j 两种对接实现。
Spring AI 对接 Qwen3

1.添加依赖

Spring AI 并没有内置阿里云百炼平台，但百炼平台支持 OpenAI 协议，因此我们可以利用 OpenAI 对接百炼平台，因此我们只需要添加 OpenAI 依赖即可。

1. <dependency>
2.   <groupId>org.springframework.ai</groupId>
3.   <artifactId>spring-ai-starter-model-openai</artifactId>
4. </dependency>

复制代码

2.设置设置信息

1. spring:
2.   ai:
3.     openai:
4.       base-url: https://dashscope.aliyuncs.com/compatible-mode/
5.       api-key: ${ALIYUN-AK}
6.       chat:
7.         options:
8.           model: qwen3-235b-a22b

复制代码

其中：

• base-url 填写百炼平台地址。
  
• api-key 为预备阶段在百炼平台申请的 AK 凭证。
  
• model 设置为 qwen3-235b-a22b 模型。
  

   支持的模型列表参考官方文档：https://help.aliyun.com/zh/model-studio/models?spm=a2c4g.11186623.0.0.78d848237YTeH1#cefdf0875dorc
  3.编写调用代码

1. import org.springframework.ai.openai.OpenAiChatModel;
2. import org.springframework.beans.factory.annotation.Autowired;
3. import org.springframework.web.bind.annotation.RequestMapping;
4. import org.springframework.web.bind.annotation.RequestParam;
5. import org.springframework.web.bind.annotation.RestController;
7. @RestController
8. @RequestMapping("/ds")
9. public class TestController {
11.     private final OpenAiChatModel chatModel;
13.     @Autowired
14.     public TestController(OpenAiChatModel chatModel) {
15.         this.chatModel = chatModel;
16.     }
18.     @RequestMapping("/chat")
19.     public String chat(@RequestParam("msg") String msg) {
20.         String result = chatModel.call(msg);
21.         System.out.println("返回结果：" + result);
22.         return result;
23.     }
24. }

复制代码

LangChain4j 对接 Qwen3

LangChain4j 内置集成了阿里云百炼平台，以是可以直接对接。
1.添加依赖

1. <dependency>
2.   <groupId>dev.langchain4j</groupId>
3.   <artifactId>langchain4j-community-dashscope-spring-boot-starter</artifactId>
4. </dependency>

复制代码

可以为“langchain4j-community-xxx”其添加统一版本管理：

1. <dependencyManagement>
2.   <dependencies>
3.     <dependency>
4.       <groupId>dev.langchain4j</groupId>
5.       <artifactId>langchain4j-community-bom</artifactId>
6.       <version>1.0.0-beta3</version>
7.       <type>pom</type>
8.       <scope>import</scope>
9.     </dependency>
10.   </dependencies>
11. </dependencyManagement>

复制代码

2.设置设置信息

留意这里需要设置“chat-model”节点，官方文档有问题，如果不设置 chat-model 则不能主动注入百炼模型：

1. langchain4j:
2.   community:
3.     dashscope:
4.       base-url: https://dashscope.aliyuncs.com/compatible-mode/
5.       chat-model:
6.         api-key: ${ALIYUN-AK}
7.         model-name: qwen-plus

复制代码

支持的模型列表：https://help.aliyun.com/zh/model-studio/models
3.编写调用代码

1. import dev.langchain4j.model.chat.ChatLanguageModel;
2. import org.springframework.beans.factory.annotation.Autowired;
3. import org.springframework.web.bind.annotation.RequestMapping;
4. import org.springframework.web.bind.annotation.RestController;
6. @RestController
7. @RequestMapping("/qw")
8. public class QwenController {
10.     @Autowired
11.     private ChatLanguageModel qwenChatModel;
13.     @RequestMapping("/chat")
14.     public String chat(String question) {
15.         return qwenChatModel.chat(question);
16.     }
17. }

复制代码

小结

固然，以上对接方式是全量输出（得到效果之后一次性返回），生产级别我们通常要利用流式输出，并且需要实现连续（上下文）对话，以及汗青对话信息持久化等功能，文章篇幅有限，这里就不逐一实现了，各人可以下来自己试试。
   本文已收录到我的技术小站 www.javacn.site，其中包罗的内容有：Spring AI、LangChain4j、MCP、Function Call、RAG、向量数据库、Prompt、多模态、向量数据库、嵌入模型等内容。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。