通义千问开源 Qwen3 大模型：Spring AI 对接 Qwen3

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，使用者可以根据自己的业务情况，选择合适的版本进行使用。 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 功能与代码执行能力**，全面满足复杂问题处理与全球化应用需求。 > > > PS：Qwen3 也是国内首个「混合推理模型」，「快思考」与「慢思考」集成进同一个模型，对简单需求可低算力「秒回」答案，对复杂问题可多步骤「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，表现出极具竞争力的结果。此外，小型 MoE 模型 Qwen3-30B-A3B 的激活参数数量是 QwQ-32B 的 10%，表现更胜一筹，甚至像 Qwen3-4B 这样的小模型也能匹敌 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： 1. **官方对接方式**：例如，调用阿里百炼平台对接 Qwen3。 2. **本地模型对接方式**：安装 Ollama 部署 Qwen3，对接 Ollama 实现调用。 3. **三方平台对接方式**：使用千帆或火山引擎等三方平台，对接调用 Qwen3。 但目前因为 Qwen3 刚刚发布，所以只能使用前两种对接方式，截止发稿时，三方平台还未上线 Qwen3，但也够用了。 ## 具体实现 接下来我们就以官方的调用方式，来实现一下 Qwen3 的具体代码对接吧，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，因此我们可以使用 OpenAI 对接百炼平台，因此我们只需要添加 OpenAI 依赖即可。 ```xml org.springframework.ai spring-ai-starter-model-openai ``` ### 2.设置配置信息 ```yaml spring: ai: openai: base-url: https://dashscope.aliyuncs.com/compatible-mode/ api-key: ${ALIYUN-AK} chat: options: model: qwen3-235b-a22b ``` 其中： - base-url 填写百炼平台地址。 - api-key 为准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 ```java import org.springframework.ai.openai.OpenAiChatModel; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.web.bind.annotation.RequestMapping; import org.springframework.web.bind.annotation.RequestParam; import org.springframework.web.bind.annotation.RestController; @RestController @RequestMapping("/ds") public class TestController { private final OpenAiChatModel chatModel; @Autowired public TestController(OpenAiChatModel chatModel) { this.chatModel = chatModel; } @RequestMapping("/chat") public String chat(@RequestParam("msg") String msg) { String result = chatModel.call(msg); System.out.println("返回结果：" + result); return result; } } ``` ## LangChain4j 对接 Qwen3 LangChain4j 内置集成了阿里云百炼平台，所以可以直接对接。 ### 1.添加依赖 ```xml dev.langchain4j langchain4j-community-dashscope-spring-boot-starter ``` 可以为“langchain4j-community-xxx”其添加统一版本管理： ```xml dev.langchain4j langchain4j-community-bom 1.0.0-beta3 pom import ``` ### 2.设置配置信息 **注意这里需要配置“chat-model”节点，官方文档有问题**，如果不配置 chat-model 则不能自动注入百炼模型： ```yaml langchain4j: community: dashscope: base-url: https://dashscope.aliyuncs.com/compatible-mode/ chat-model: api-key: ${ALIYUN-AK} model-name: qwen-plus ``` 支持的模型列表：https://help.aliyun.com/zh/model-studio/models ### 3.编写调用代码 ```java import dev.langchain4j.model.chat.ChatLanguageModel; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.web.bind.annotation.RequestMapping; import org.springframework.web.bind.annotation.RestController; @RestController @RequestMapping("/qw") public class QwenController { @Autowired private ChatLanguageModel qwenChatModel; @RequestMapping("/chat") public String chat(String question) { return qwenChatModel.chat(question); } } ``` ## 小结 当然，以上对接方式是全量输出（得到结果之后一次性返回），生产级别我们通常要使用流式输出，并且需要实现连续（上下文）对话，以及历史对话信息持久化等功能，文章篇幅有限，这里就不一一实现了，大家可以下来自己试试。