通义千问（Qwen）系列模型自2023年起陆续发布，涵盖文本、视觉语言、全模态以及专用模型等多个类别。以下按发布时间由远及近对主要模型进行归纳，并附上参数规模、核心特性与技术要点。

1. 早期文本模型（2023年）

• Qwen-1.8B/7B/14B/72B
  • 参数规模：1.8B、7B、14B、72B
  • 核心特性：中文预训练、支持多语言、基础对话与生成能力
  • 技术要点：Transformer 解码器架构，训练数据约 3 万亿 token

2. 视觉语言模型（2024年）

• Qwen-VL（2B/7B/72B）
  • 参数规模：2B、7B、72B
  • 核心特性：视觉‑语言多模态，支持图像理解与问答
  • 技术要点：跨模态注意力机制，实现图文联合理解[[2]]

3. Qwen1.5 系列（2024年）

• Qwen1.5（0.5B/1.8B/4B/7B/14B/72B/110B）
  • 参数规模：0.5B‑110B
  • 核心特性：大幅提升多语言支持、代码与数学能力，上下文长度最高 32K（110B）
  • 技术要点：Transformer 改进、分组查询注意力（GQA）等[[3]][[4]]
• Qwen1.5-MoE（7B）
  • 参数规模：7B（激活参数约 1/3）
  • 核心特性：混合专家结构，在同等计算成本下保持高性能
  • 技术要点：Mixture-of-Experts（MoE）架构[[5]]

4. Qwen2 系列（2024年）

• Qwen2（0.5B/1.5B/7B/57B‑A14B/72B）
  • 参数规模：0.5B‑72B（57B‑A14B 为稀疏激活 MoE）
  • 核心特性：支持 27 种语言，上下文最长 128K（72B‑Instruct），代码与推理能力显著提升
  • 技术要点：Transformer 升级、MoE 设计（57B‑A14B）[[6]][[7]]

5. Qwen2.5 系列（2025年）

• Qwen2.5（0.5B/1.5B/3B/7B/14B/32B/72B）
  • 参数规模：0.5B‑72B
  • 核心特性：全系列多语言增强，长上下文优化
  • 技术要点：持续架构优化，更高吞吐与更低延迟[[8]]
• Qwen2.5-Omni-7B
  • 参数规模：7B
  • 核心特性：端到端全模态，可同时处理文本、图像、音频、视频并生成语音
  • 技术要点：Thinker‑Talker 双核架构、Position Embedding 融合、TMRoPE 位置编码[[9]]
• Qwen2.5-Math
  • 核心特性：专用数学推理，支持 LaTeX 公式、分步推导
  • 技术要点：定制系统提示与推理机制[[10]]
• Qwen2.5-VL
  • 核心特性：视觉语言模型，提升图像理解与对话能力
  • 技术要点：跨模态注意力升级[[11]]

6. Qwen3 系列（2025年）

• Qwen3（0.6B/1.7B/4B/8B/14B/32B）
  • 参数规模：0.6B‑32B（稠密模型）
  • 核心特性：基础语言理解与生成，适用于轻量部署
  • 技术要点：标准 Transformer 结构[[12]]
• Qwen3-30B-A3B / Qwen3-235B-A22B
  • 参数规模：30B（激活 3B）、235B（激活 22B）
  • 核心特性：混合专家模型，在多项基准超越同类开源模型
  • 技术要点：MoE 架构，支持多种推理模式（思考‑加速平衡）[[13]][[14]]
• Qwen3-4B-Instruct-2507 / Qwen3-4B-Thinking-2507
  • 参数规模：4B
  • 核心特性：指令微调与思考模式，支持 256K 长上下文，推理能力接近中等模型
  • 技术要点：长上下文优化、思考链增强[[15]]

模型参数规模对比图

以下图表展示了各系列模型的参数规模（单位：B）及其类别（文本、MoE、多模态、全模态、专用）。

以上统计覆盖了截至 2025 年 11 月已发布的通义千问系列主要模型，包括文本、图像、多模态、视频等类型，并按发布时间线由远及近展开。所有信息均基于官方公告、技术报告与开源文档。