---
title: "Qwen"
source: "https://systems-analysis.info/wiki/Qwen"
wiki: "systems-analysis.info/wiki"
article: "Qwen"
language: "ru"
categories:
  - "Категория:Russian"
  - "Категория:Большие языковые модели"
  - "Категория:Машинное обучение"
  - "Категория:Семейства LLM"
revision_id: 172
wiki_created_at: 2026-09-06T22:04:48Z
wiki_modified_at: 2026-09-06T22:04:48Z
downloaded_at: 2026-09-07T22:18:01Z
---

# Qwen

**Qwen** (кит. 通义千问, **Tongyi Qianwen**) — это семейство [больших языковых моделей](https://systems-analysis.info/wiki/%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0%B8%D0%B5_%D1%8F%D0%B7%D1%8B%D0%BA%D0%BE%D0%B2%D1%8B%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8 "Большие языковые модели") (LLM), разработанных подразделением облачных вычислений Alibaba Group — Alibaba Cloud<sup>[\[1\]](https://systems-analysis.info/wiki/Qwen#cite_note-wikipedia-qwen-1)</sup>. Модели Qwen стали значительным вкладом китайского технологического гиганта в область искусственного интеллекта. Первая версия была представлена в бета-режиме в апреле 2023 года, а публичный релиз состоялся в сентябре 2023 года<sup>[\[1\]](https://systems-analysis.info/wiki/Qwen#cite_note-wikipedia-qwen-1)</sup>.

Семейство Qwen претерпело стремительную эволюцию, предлагая рынку как решения с открытым исходным кодом, так и проприетарные, более мощные варианты. Ключевые характеристики Qwen включают широкий диапазон размеров моделей (от сотен миллионов до сотен миллиардов параметров), развитые мультимодальные возможности (обработка текста, изображений, аудио и видео), поддержку большого количества языков и инновационные архитектурные решения, такие как смесь экспертов (MoE) и режим "мышления" для решения сложных задач<sup>[\[2\]](https://systems-analysis.info/wiki/Qwen#cite_note-inferless-guide-2)</sup>.

На глобальном рынке Qwen позиционируется как серьезный конкурент ведущим моделям от OpenAI, Meta, Anthropic и [Mistral](https://systems-analysis.info/wiki/Mistral "Mistral") AI. Стратегия Alibaba Cloud делает акцент как на высокой производительности, так и на доступности, что выражается в регулярном выпуске открытых моделей, преимущественно под лицензией Apache 2.0<sup>[\[3\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen3-release-analysis-3)</sup>.

## История и развитие

Развитие семейства Qwen характеризуется быстрыми темпами и стратегическими решениями, направленными как на открытое сообщество, так и на коммерческих пользователей. От первоначальной архитектуры, близкой к [LLaMA](https://systems-analysis.info/wiki/LLaMA "LLaMA"), Alibaba Cloud перешла к созданию собственных уникальных решений, включая сложные MoE-архитектуры и продвинутые мультимодальные системы.

| Дата релиза   | Модель                | Параметры (млрд) | Ключевые особенности                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                               | Лицензия                                                                                                                                                     |
|---------------|-----------------------|------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------|
| Август 2023   | **Qwen-7B**           | 7                | Первая открытая модель; [предобучение](https://systems-analysis.info/wiki/%D0%9F%D1%80%D0%B5%D0%B4%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5 "Предобучение") на ~2.4 трлн [токенов](https://systems-analysis.info/wiki/%D0%A2%D0%BE%D0%BA%D0%B5%D0%BD "Токен"); [контекстное окно](https://systems-analysis.info/wiki/%D0%9A%D0%BE%D0%BD%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BD%D0%BE%D0%B5_%D0%BE%D0%BA%D0%BD%D0%BE "Контекстное окно") 8k токенов (в первой версии — 2k, расширено до 8k в сентябрьском обновлении)<sup>[\[4\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen1-tech-report-4)</sup>. | Tongyi Qianwen License (требуется разрешение на коммерческое использование)<sup>[\[5\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen7b-hf-5)</sup> |
| Сентябрь 2023 | **Qwen-14B**          | 14               | Обучение на ~3.0 трлн токенов; улучшена точность на сложных задачах; контекстное окно 8k<sup>[\[6\]](https://systems-analysis.info/wiki/Qwen#cite_note-github-qwenlm-6)</sup>.                                                                                                                                                                                                                                                                                                                                                                                                                                     | Tongyi Qianwen License                                                                                                                                       |
| Ноябрь 2023   | **Qwen-72B**          | 72               | Флагманская модель, обученная на ~3.0 трлн токенов; контекст 32k; производительность на уровне лучших моделей того времени.                                                                                                                                                                                                                                                                                                                                                                                                                                                                                        | Tongyi Qianwen License                                                                                                                                       |
| Ноябрь 2023   | **Qwen-1.8B**         | 1.8              | Компактная модель для локального развёртывания; предобучена на ~2.2 трлн токенов; контекст 32k.                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    | Tongyi Qianwen License                                                                                                                                       |
| Июнь 2024     | **Qwen 2**            | 0.5–72           | Второе поколение; обучение на ~7 трлн токенов; представлены MoE-модели (57B-A14B); контекст увеличен до 128k (YaRN + Dual Chunk Attention)<sup>[\[7\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen2-tech-report-7)</sup>.                                                                                                                                                                                                                                                                                                                                                                               | Apache 2.0 (для большинства моделей; 72B — Tongyi Qianwen)                                                                                                   |
| Сентябрь 2024 | **Qwen 2.5**          | 0.5–72           | Промежуточное обновление; семь размеров (0.5, 1.5, 3, 7, 14, 32, 72); датасет расширен до ~18 трлн токенов; улучшены навыки решения задач кода и математики<sup>[\[8\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen2.5-tech-report-8)</sup>.                                                                                                                                                                                                                                                                                                                                                            | Apache 2.0 (кроме 72B и 3B — Qwen Research License)                                                                                                          |
| Ноябрь 2024   | **QwQ-32B (Preview)** | 32               | Экспериментальная модель «Qwen with Questions» для сложного пошагового рассуждения; контекст 32k.                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                  | Apache 2.0 (только веса)                                                                                                                                     |
| Январь 2025   | **Qwen2.5-VL**        | 3–72             | Мультимодальные модели (текст + изображение); анализ изображений произвольного разрешения; контекст до 128k<sup>[\[9\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen2.5-vl-tech-report-9)</sup>.                                                                                                                                                                                                                                                                                                                                                                                                         | Apache 2.0 (кроме 72B)                                                                                                                                       |
| Январь 2025   | **Qwen2.5-Max**       | н/д              | Крупномасштабная MoE-модель, обученная на \>20 трлн токенов; по ряду тестов превзошла DeepSeek V3 и GPT-4o; доступна только через API и Qwen Chat<sup>[\[10\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen2.5-max-10)</sup>.                                                                                                                                                                                                                                                                                                                                                                            | Проприетарная                                                                                                                                                |
| Март 2025     | **QwQ-32B**           | 32               | Полноценная reasoning-модель (после ноябрьского Preview); сопоставима с DeepSeek-R1 при значительно меньших вычислительных затратах; контекст 32k, расширяемый до 131k<sup>[\[11\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwq-32b-11)</sup>.                                                                                                                                                                                                                                                                                                                                                           | Apache 2.0                                                                                                                                                   |
| Март 2025     | **Qwen2.5-Omni-7B**   | 7                | Универсальная мультимодальная модель: вход (текст, изображение, видео, аудио), выход (текст, голос). Архитектура «Thinker-Talker»<sup>[\[12\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen2.5-omni-tech-report-12)</sup>.                                                                                                                                                                                                                                                                                                                                                                               | Apache 2.0                                                                                                                                                   |
| Апрель 2025   | **Qwen 3**            | 0.6–235 (MoE)    | Третье поколение (28–29 апреля 2025); обучение на ~36 трлн токенов на 119 языках; плотные модели (0.6–32B) и MoE-варианты (30B-A3B, 235B-A22B); встроенный режим «мышления вслух» (`<think>`); контекст 128k<sup>[\[13\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen3-tech-report-13)</sup>.                                                                                                                                                                                                                                                                                                           | Apache 2.0 (все модели)                                                                                                                                      |
| Июль 2025     | **Qwen3-Coder**       | 30–480 (MoE)     | Специализированная модель для кода; флагман Qwen3-Coder-480B-A35B (480 млрд параметров, 35 активных) и Qwen3-Coder-Flash (30B-A3B); агентное программирование, SOTA среди открытых моделей на SWE-bench Verified; контекст 256k (до 1M)<sup>[\[14\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen3-coder-14)</sup>.                                                                                                                                                                                                                                                                                      | Apache 2.0                                                                                                                                                   |
| Сентябрь 2025 | **Qwen3-Next**        | 80 (MoE)         | Сверхразреженная MoE-архитектура (80 млрд параметров, 3 активных) с гибридным вниманием (Gated DeltaNet); ориентирована на максимальную эффективность вывода<sup>[\[15\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen3-next-15)</sup>.                                                                                                                                                                                                                                                                                                                                                                  | Apache 2.0                                                                                                                                                   |
| Сентябрь 2025 | **Qwen3-VL**          | 2–235 (MoE)      | Мультимодальные модели нового поколения (текст + изображение + видео); объединяют режимы рассуждения и без рассуждения; варианты вплоть до 235B-A22B; Qwen3-VL-2B-Instruct превысила 18 млн загрузок<sup>[\[16\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen3-vl-16)</sup>.                                                                                                                                                                                                                                                                                                                            | Apache 2.0 (открытые варианты)                                                                                                                               |
| Сентябрь 2025 | **Qwen3-Omni**        | 30 (MoE)         | Универсальная мультимодальная модель: вход (текст, изображение, аудио, видео), выход (текст и речь); открытый вариант Qwen3-Omni-30B-A3B<sup>[\[17\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen3-omni-17)</sup>.                                                                                                                                                                                                                                                                                                                                                                                      | Apache 2.0                                                                                                                                                   |
| Сентябрь 2025 | **Qwen3-Max**         | \>1000           | Проприетарный флагман: \>1 трлн параметров, обучение на ~36 трлн токенов; доступен через API; reasoning-вариант Qwen3-Max-Thinking<sup>[\[18\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen3-max-18)</sup>.                                                                                                                                                                                                                                                                                                                                                                                             | Проприетарная                                                                                                                                                |
| Февраль 2026  | **Qwen3.5**           | 397 (MoE)        | Поколение «нативных мультимодальных агентов»; первый релиз — открытая MoE-модель 397B-A17B (397 млрд параметров, 17 активных, 256 экспертов); архитектура Gated Delta Networks; контекст до 262k; 201 язык; параллельно — проприетарная Qwen3.5-Plus<sup>[\[19\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen3.5-19)</sup>.                                                                                                                                                                                                                                                                             | Открытые веса (397B-A17B); Plus — проприетарная                                                                                                              |
| Апрель 2026   | **Qwen3.6**           | 27 / 35 (MoE)    | Поколение, ориентированное на «агентов реального мира»; открытые Qwen3.6-35B-A3B (MoE, 3 активных) и Qwen3.6-27B (плотная, флагманский уровень кода); проприетарные Qwen3.6-Plus и Qwen3.6-Max; внедрена функция сохранения цепочки рассуждений (preserve_thinking)<sup>[\[20\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen3.6-20)</sup>.                                                                                                                                                                                                                                                              | Apache 2.0 (35B-A3B, 27B); проприетарная (Plus, Max)                                                                                                         |
| Май–июнь 2026 | **Qwen3.7**           | н/д              | Текущий флагман «агентной эры»: Qwen3.7-Max (только текст, анонсирован 20 мая 2026) и мультимодальная Qwen3.7-Plus (текст/изображение/видео на входе, релиз 1 июня 2026); контекст 1M токенов; обе доступны только через API. Знаменуют сдвиг Qwen к проприетарным релизам<sup>[\[21\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen3.7-21)</sup>.                                                                                                                                                                                                                                                       | Проприетарная                                                                                                                                                |

Основные релизы моделей Qwen

## Архитектура и технические особенности

Модели Qwen построены на архитектуре трансформера типа "только декодер" ([decoder-only](https://systems-analysis.info/wiki/Decoder-only "Decoder-only")), аналогичной LLaMA и [GPT](https://systems-analysis.info/wiki/GPT "GPT"). Каждая модель представляет собой авторегрессивный декодер с многоголовым механизмом внимания и блоками feed-forward.

### Ключевые архитектурные компоненты

- **Базовые элементы**: В Qwen применяются стандартные для современных LLM решения: нормализация **RMSNorm** для стабильности обучения и функция активации **SwiGLU** в полносвязных слоях для улучшения производительности<sup>[\[4\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen1-tech-report-4)</sup>.
- **Позиционное кодирование**: Используется **Rotary Positional Embeddings (RoPE)** для кодирования информации о позиции токенов, что позволяет эффективно обрабатывать длинные последовательности<sup>[\[8\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen2.5-tech-report-8)</sup>.
- **Эффективное внимание**: Для ускорения вычислений и экономии памяти в механизме внимания применяется алгоритм **FlashAttention**<sup>[\[2\]](https://systems-analysis.info/wiki/Qwen#cite_note-inferless-guide-2)</sup>.

### Плотные модели и Смесь экспертов (MoE)

Семейство Qwen включает модели с двумя типами архитектур:

- **Плотные модели (Dense)**: Все параметры модели активны при обработке каждого токена. Примеры: Qwen-72B, Qwen2.5-32B. Эти модели проще в развертывании, но требуют больше вычислительных ресурсов при увеличении размера<sup>[\[13\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen3-tech-report-13)</sup>.
- **Модели "Смесь экспертов" (Mixture-of-Experts, MoE)**: В этих моделях вместо одного большого полносвязного слоя используется несколько меньших, специализированных "экспертов". Для каждого токена специальный слой-маршрутизатор (gating network) динамически выбирает небольшое подмножество экспертов для обработки. Это позволяет создавать модели с огромным общим числом параметров при значительно меньших вычислительных затратах на этапе инференса.
  - **Qwen2-57B-A14B** содержит 57 млрд общих параметров, но активирует только 14 млрд при каждом запросе<sup>[\[7\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen2-tech-report-7)</sup>.
  - **Qwen3-235B-A22B** содержит 235 млрд общих параметров, из которых активны 22 млрд<sup>[\[13\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen3-tech-report-13)</sup>.

### Инновации для длинного контекста

Поддержка длинного контекста является одной из сильных сторон Qwen.

- Первые модели поддерживали до **32k** токенов.
- В поколении **Qwen 2** контекстное окно было увеличено до **128k** токенов благодаря методу **YaRN (Yet Another RoPE Extension)**, который позволяет расширять контекст без значительной потери качества<sup>[\[7\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen2-tech-report-7)</sup>.
- Экспериментальная модель **Qwen2.5-Turbo** продемонстрировала работу с контекстом до **1 млн** токенов<sup>[\[2\]](https://systems-analysis.info/wiki/Qwen#cite_note-inferless-guide-2)</sup>.

### "Thinking Mode" в Qwen 3

В третьем поколении Qwen реализован механизм "гибридного мышления" (hybrid thinking). Модель может явно формировать цепочку рассуждений (chain-of-thought) перед выдачей окончательного ответа.

- По умолчанию Qwen 3 встраивает в вывод специальный блок `<think>...</think>`, где показывает пошаговое логическое рассуждение.
- Пользователь может отключить этот режим, добавив команду `/no_think` в запрос.

Этот механизм улучшает способность модели решать сложные задачи, требующие многоэтапного вывода<sup>[\[3\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen3-release-analysis-3)</sup>.

### Многоязычный токенизатор

Qwen использует расширенный словарь токенов (около 151 000 токенов), основанный на BPE-словаре OpenAI GPT-4 (cl100k) с дополнительной оптимизацией под китайский язык и другие языки. Это позволяет эффективно кодировать иероглифы, латиницу и программный код, улучшая мультиязычные способности модели<sup>[\[4\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen1-tech-report-4)</sup>.

## Мультимодальные возможности

Семейство Qwen активно развивается в направлении мультимодальности, предлагая модели, способные работать с различными типами данных:

- **Qwen-VL**: Объединяет визуальный трансформер (для обработки изображений) с языковой моделью, позволяя отвечать на вопросы по изображениям и генерировать описания. Версия **Qwen2.5-VL** способна анализировать изображения произвольного разрешения и извлекать структурированные данные (например, из таблиц и форм)<sup>[\[9\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen2.5-vl-tech-report-9)</sup>.
- **Qwen-Audio**: Специализированная модель для обработки аудиоинформации, способная распознавать и генерировать речь, музыку и другие звуки<sup>[\[22\]](https://systems-analysis.info/wiki/Qwen#cite_note-22)</sup>.
- **Qwen2.5-Omni**: Универсальная end-to-end мультимодальная модель, которая одновременно воспринимает текст, изображения, аудио и видео, а генерирует ответы в виде текста или естественной речи в потоковом режиме. В её основе лежит архитектура **"Thinker-Talker"**, где "Thinker" (LLM) генерирует текстовый контент, а "Talker" (двухдорожечная авторегрессионная модель) синтезирует аудио<sup>[\[12\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen2.5-omni-tech-report-12)</sup>.
- **Специализированные модели**: Также выпущены модели, ориентированные на конкретные задачи, такие как **Qwen-Coder** (программирование) и **Qwen-Math** (решение математических задач).

## Обучающие данные и масштаб

Модели Qwen обучаются на чрезвычайно больших корпусах данных, которые включают тексты из интернета, книги, научные статьи, программный код и математические данные.

- **Qwen 1.0 (7B)**: ~2.4 трлн токенов.
- **Qwen 1.0 (72B)**: ~3.0 трлн токенов.
- **Qwen 2.0**: ~7 трлн токенов.
- **Qwen 2.5**: ~18 трлн токенов.
- **Qwen 3.0**: ~36 трлн токенов, охватывающих **119 языков** и диалектов.

Для повышения качества данных применяются продвинутые методы фильтрации и генерация высококачественных синтетических данных, особенно для таких доменов, как математика и программирование<sup>[\[8\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen2.5-tech-report-8)</sup>.

## Лицензирование и доступность

Политика лицензирования моделей Qwen эволюционировала с течением времени.

- **Ранние модели (Qwen 1)**: Распространялись под собственной лицензией **Tongyi Qianwen License**. Она разрешала академическое использование, но требовала подачи заявки и получения отдельного разрешения для коммерческого применения<sup>[\[5\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen7b-hf-5)</sup>.
- **Поздние модели (Qwen 2, 2.5, 3)**: Начиная со второго поколения, разработчики перешли к более открытой политике. Большинство новых моделей были выпущены под разрешительной лицензией **Apache License 2.0**, что позволяет свободно использовать их как в научных, так и в коммерческих проектах<sup>[\[7\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen2-tech-report-7)</sup>. С выходом семейства **Qwen 3** все модели этого поколения стали полностью открытыми под Apache 2.0 без дополнительных ограничений<sup>[\[3\]](https://systems-analysis.info/wiki/Qwen#cite_note-qwen3-release-analysis-3)</sup>.
- **Проприетарные и ограниченные модели**: Несмотря на общую тенденцию к открытости, самые крупные или стратегически важные модели (например, Qwen2.5-Max, Qwen2.5-VL-72B) остаются проприетарными и доступны через платные API Alibaba Cloud или распространяются под более строгими исследовательскими лицензиями.

## Экосистема и применение

Семейство Qwen интегрируется в различные продукты и платформы, формируя вокруг себя развивающуюся экосистему.

- **Платформы Alibaba Cloud**: Доступ к моделям, особенно к наиболее мощным проприетарным версиям, предоставляется через API-интерфейсы **Model Studio**. Платформа **PAI-EAS (Platform for AI - Elastic Algorithm Service)** позволяет развертывать, дообучать ([fine-tuning](https://systems-analysis.info/wiki/Fine-tuning "Fine-tuning")) и кастомизировать модели Qwen.
- **Сообщество Open Source**: Открытые версии моделей, их веса и код активно размещаются на платформах **Hugging Face**, **ModelScope** и **GitHub**<sup>[\[6\]](https://systems-analysis.info/wiki/Qwen#cite_note-github-qwenlm-6)</sup>, что способствует их широкому распространению и использованию исследователями и разработчиками по всему миру.
- **Применения**: Модели используются для широкого спектра задач, от генерации контента и анализа данных до создания ИИ-агентов. Например, модели Qwen3 поддерживают протокол **Model Context Protocol (MCP)**, который позволяет им более эффективно взаимодействовать с другими приложениями и инструментами.

## См. также

- [GPT](https://systems-analysis.info/wiki/GPT "GPT")
- [BERT](https://systems-analysis.info/wiki/BERT "BERT")
- [Gemma](https://systems-analysis.info/wiki/Gemma "Gemma")
- [IBM Granite](https://systems-analysis.info/wiki/IBM_Granite "IBM Granite")
- [PaLM](https://systems-analysis.info/wiki/PaLM "PaLM")

## Ссылки

- <a href="https://chat.qwen.ai/" class="external text" rel="nofollow">Официальный чат-бот Qwen</a>
- <a href="https://qwen.readthedocs.io/" class="external text" rel="nofollow">Официальная документация</a>
- <a href="https://github.com/QwenLM/Qwen" class="external text" rel="nofollow">Основной репозиторий на GitHub</a>
- <a href="https://huggingface.co/Qwen" class="external text" rel="nofollow">Профиль на Hugging Face</a>
- <a href="https://modelscope.cn/organization/qwen" class="external text" rel="nofollow">Профиль на ModelScope</a>

## Литература

- Bai, Jinze; et al. (2023). *Qwen Technical Report*. <a href="https://arxiv.org/abs/2309.16609" class="external text" rel="nofollow">arXiv:2309.16609</a>.
- Qwen Team (2024). *Qwen2 Technical Report*. <a href="https://arxiv.org/abs/2407.10671" class="external text" rel="nofollow">arXiv:2407.10671</a>.
- Yang, An; et al. (2025). *Qwen3 Technical Report*. <a href="https://arxiv.org/abs/2505.09388" class="external text" rel="nofollow">arXiv:2505.09388</a>.
- Qwen Team (2025). *Qwen2.5 Technical Report*. <a href="https://arxiv.org/abs/2412.15115" class="external text" rel="nofollow">arXiv:2412.15115</a>.
- Bai, Jinze; et al. (2025). *Qwen2.5-VL: A Versatile Vision-Language Model for Real-World Agent Tasks*. <a href="https://arxiv.org/abs/2502.13923" class="external text" rel="nofollow">arXiv:2502.13923</a>.
- Wang, Wen; et al. (2025). *Qwen2.5-Omni: A Streaming End-to-End Multimodal Model*. <a href="https://arxiv.org/abs/2503.20215" class="external text" rel="nofollow">arXiv:2503.20215</a>.
- Su, J.; et al. (2021). *RoFormer: Enhanced Transformer with Rotary Position Embedding*. <a href="https://arxiv.org/abs/2104.09864" class="external text" rel="nofollow">arXiv:2104.09864</a>.
- Dao, T.; et al. (2022). *FlashAttention: Fast and Memory‑Efficient Exact Attention with IO‑Awareness*. <a href="https://arxiv.org/abs/2205.14135" class="external text" rel="nofollow">arXiv:2205.14135</a>.
- Bai, Jinze; et al. (2023). *Qwen Technical Report*. <a href="https://arxiv.org/abs/2309.16609" class="external text" rel="nofollow">arXiv:2309.16609</a>.
- Peng, B.; et al. (2023). *YaRN: Efficient Context Window Extension of Large Language Models*. <a href="https://arxiv.org/abs/2309.00071" class="external text" rel="nofollow">arXiv:2309.00071</a>.
- Qwen Team (2024). *Qwen2 Technical Report*. <a href="https://arxiv.org/abs/2407.10671" class="external text" rel="nofollow">arXiv:2407.10671</a>.
- Qwen Team (2024). *Qwen2‑Audio Technical Report*. <a href="https://arxiv.org/abs/2407.10759" class="external text" rel="nofollow">arXiv:2407.10759</a>.
- Qwen Team (2025). *Qwen2.5 Technical Report*. <a href="https://arxiv.org/abs/2412.15115" class="external text" rel="nofollow">arXiv:2412.15115</a>.
- Bai, Jinze; et al. (2025). *Qwen2.5‑VL: A Versatile Vision‑Language Model for Real‑World Agent Tasks*. <a href="https://arxiv.org/abs/2502.13923" class="external text" rel="nofollow">arXiv:2502.13923</a>.
- Wang, Wen; et al. (2025). *Qwen2.5‑Omni: A Streaming End‑to‑End Multimodal Model*. <a href="https://arxiv.org/abs/2503.20215" class="external text" rel="nofollow">arXiv:2503.20215</a>.
- Yang, An; et al. (2025). *Qwen3 Technical Report*. <a href="https://arxiv.org/abs/2505.09388" class="external text" rel="nofollow">arXiv:2505.09388</a>.

## Примечания

1.  <span id="cite_note-wikipedia-qwen-1">↑ <sup>[1,0](https://systems-analysis.info/wiki/Qwen#cite_ref-wikipedia-qwen_1-0)</sup> <sup>[1,1](https://systems-analysis.info/wiki/Qwen#cite_ref-wikipedia-qwen_1-1)</sup> «Qwen». В *Wikipedia* <a href="https://en.wikipedia.org/wiki/Qwen" class="external autonumber" rel="nofollow">[1]</a></span>
2.  <span id="cite_note-inferless-guide-2">↑ <sup>[2,0](https://systems-analysis.info/wiki/Qwen#cite_ref-inferless-guide_2-0)</sup> <sup>[2,1](https://systems-analysis.info/wiki/Qwen#cite_ref-inferless-guide_2-1)</sup> <sup>[2,2](https://systems-analysis.info/wiki/Qwen#cite_ref-inferless-guide_2-2)</sup> «Qwen Models: Alibaba's Next-Generation AI Family for Text, Vision, and Beyond». *Inferless*. <a href="https://www.inferless.com/learn/the-ultimate-guide-to-qwen-model" class="external autonumber" rel="nofollow">[2]</a></span>
3.  <span id="cite_note-qwen3-release-analysis-3">↑ <sup>[3,0](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen3-release-analysis_3-0)</sup> <sup>[3,1](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen3-release-analysis_3-1)</sup> <sup>[3,2](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen3-release-analysis_3-2)</sup> «Qwen 3 offers a case study in how to effectively release a model». *Simon Willison's Weblog*. <a href="https://simonwillison.net/2025/Apr/29/qwen-3/" class="external autonumber" rel="nofollow">[3]</a></span>
4.  <span id="cite_note-qwen1-tech-report-4">↑ <sup>[4,0](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen1-tech-report_4-0)</sup> <sup>[4,1](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen1-tech-report_4-1)</sup> <sup>[4,2](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen1-tech-report_4-2)</sup> Bai, Jinze; et al. (2023). *Qwen Technical Report*. <a href="https://arxiv.org/abs/2309.16609" class="external text" rel="nofollow">arXiv:2309.16609</a>.</span>
5.  <span id="cite_note-qwen7b-hf-5">↑ <sup>[5,0](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen7b-hf_5-0)</sup> <sup>[5,1](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen7b-hf_5-1)</sup> «Qwen/Qwen-7B». *Hugging Face*. <a href="https://huggingface.co/Qwen/Qwen-7B" class="external autonumber" rel="nofollow">[4]</a></span>
6.  <span id="cite_note-github-qwenlm-6">↑ <sup>[6,0](https://systems-analysis.info/wiki/Qwen#cite_ref-github-qwenlm_6-0)</sup> <sup>[6,1](https://systems-analysis.info/wiki/Qwen#cite_ref-github-qwenlm_6-1)</sup> «GitHub — QwenLM/Qwen: The official repo of Qwen». *GitHub*. <a href="https://github.com/QwenLM/Qwen" class="external autonumber" rel="nofollow">[5]</a></span>
7.  <span id="cite_note-qwen2-tech-report-7">↑ <sup>[7,0](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen2-tech-report_7-0)</sup> <sup>[7,1](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen2-tech-report_7-1)</sup> <sup>[7,2](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen2-tech-report_7-2)</sup> <sup>[7,3](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen2-tech-report_7-3)</sup> Qwen Team (2024). *Qwen2 Technical Report*. <a href="https://arxiv.org/abs/2407.10671" class="external text" rel="nofollow">arXiv:2407.10671</a>.</span>
8.  <span id="cite_note-qwen2.5-tech-report-8">↑ <sup>[8,0](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen2.5-tech-report_8-0)</sup> <sup>[8,1](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen2.5-tech-report_8-1)</sup> <sup>[8,2](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen2.5-tech-report_8-2)</sup> Qwen Team (2025). *Qwen2.5 Technical Report*. <a href="https://arxiv.org/abs/2412.15115" class="external text" rel="nofollow">arXiv:2412.15115</a>.</span>
9.  <span id="cite_note-qwen2.5-vl-tech-report-9">↑ <sup>[9,0](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen2.5-vl-tech-report_9-0)</sup> <sup>[9,1](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen2.5-vl-tech-report_9-1)</sup> Bai, Jinze; et al. (2025). *Qwen2.5-VL: A Versatile Vision-Language Model for Real-World Agent Tasks*. <a href="https://arxiv.org/abs/2502.13923" class="external text" rel="nofollow">arXiv:2502.13923</a>.</span>
10. <span id="cite_note-qwen2.5-max-10">[↑](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen2.5-max_10-0) «Qwen2.5-Max: Exploring the Intelligence of Large-scale MoE Model». *Qwen* (29 января 2025). <a href="https://qwenlm.github.io/blog/qwen2.5-max/" class="external autonumber" rel="nofollow">[6]</a></span>
11. <span id="cite_note-qwq-32b-11">[↑](https://systems-analysis.info/wiki/Qwen#cite_ref-qwq-32b_11-0) «Qwen/QwQ-32B». *Hugging Face* (5 марта 2025). <a href="https://huggingface.co/Qwen/QwQ-32B" class="external autonumber" rel="nofollow">[7]</a></span>
12. <span id="cite_note-qwen2.5-omni-tech-report-12">↑ <sup>[12,0](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen2.5-omni-tech-report_12-0)</sup> <sup>[12,1](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen2.5-omni-tech-report_12-1)</sup> Wang, Wen; et al. (2025). *Qwen2.5-Omni: A Streaming End-to-End Multimodal Model*. <a href="https://arxiv.org/abs/2503.20215" class="external text" rel="nofollow">arXiv:2503.20215</a>.</span>
13. <span id="cite_note-qwen3-tech-report-13">↑ <sup>[13,0](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen3-tech-report_13-0)</sup> <sup>[13,1](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen3-tech-report_13-1)</sup> <sup>[13,2](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen3-tech-report_13-2)</sup> Yang, An; et al. (2025). *Qwen3 Technical Report*. <a href="https://arxiv.org/abs/2505.09388" class="external text" rel="nofollow">arXiv:2505.09388</a>.</span>
14. <span id="cite_note-qwen3-coder-14">[↑](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen3-coder_14-0) «Qwen/Qwen3-Coder-480B-A35B-Instruct». *Hugging Face* (24 июля 2025). <a href="https://huggingface.co/Qwen/Qwen3-Coder-480B-A35B-Instruct" class="external autonumber" rel="nofollow">[8]</a></span>
15. <span id="cite_note-qwen3-next-15">[↑](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen3-next_15-0) «Qwen/Qwen3-Next-80B-A3B-Instruct». *Hugging Face* (11 сентября 2025). <a href="https://huggingface.co/Qwen/Qwen3-Next-80B-A3B-Instruct" class="external autonumber" rel="nofollow">[9]</a></span>
16. <span id="cite_note-qwen3-vl-16">[↑](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen3-vl_16-0) «Qwen3-VL: Sharper Vision, Deeper Thought, Broader Action». *Qwen* (22 сентября 2025). <a href="https://qwen.ai/blog?id=qwen3-vl" class="external autonumber" rel="nofollow">[10]</a></span>
17. <span id="cite_note-qwen3-omni-17">[↑](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen3-omni_17-0) «Qwen/Qwen3-Omni-30B-A3B-Instruct». *Hugging Face* (22 сентября 2025). <a href="https://huggingface.co/Qwen/Qwen3-Omni-30B-A3B-Instruct" class="external autonumber" rel="nofollow">[11]</a></span>
18. <span id="cite_note-qwen3-max-18">[↑](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen3-max_18-0) «Qwen3-Max: Just Scale it». *Qwen* (24 сентября 2025). <a href="https://qwen.ai/blog?id=qwen3-max" class="external autonumber" rel="nofollow">[12]</a></span>
19. <span id="cite_note-qwen3.5-19">[↑](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen3.5_19-0) «Qwen3.5: Towards Native Multimodal Agents». *Qwen* (16 февраля 2026). <a href="https://qwen.ai/blog?id=qwen3.5" class="external autonumber" rel="nofollow">[13]</a></span>
20. <span id="cite_note-qwen3.6-20">[↑](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen3.6_20-0) «Qwen/Qwen3.6-35B-A3B». *Hugging Face* (15 апреля 2026). <a href="https://huggingface.co/Qwen/Qwen3.6-35B-A3B" class="external autonumber" rel="nofollow">[14]</a>; «Qwen3.6-Plus: Towards Real World Agents». *Qwen*. <a href="https://qwen.ai/blog?id=qwen3.6" class="external autonumber" rel="nofollow">[15]</a></span>
21. <span id="cite_note-qwen3.7-21">[↑](https://systems-analysis.info/wiki/Qwen#cite_ref-qwen3.7_21-0) «Qwen Introduces Qwen3.7-Max…». *MarkTechPost* (21 мая 2026); «Alibaba's Qwen3.7-Plus supports text, video and imagery inputs…». *VentureBeat* (2 июня 2026). <a href="https://qwen.ai/blog?id=qwen3.7-plus" class="external autonumber" rel="nofollow">[16]</a></span>
22. <span id="cite_note-22">[↑](https://systems-analysis.info/wiki/Qwen#cite_ref-22) Gao, Shidong; et al. (2024). *Qwen2-Audio Technical Report*. <a href="https://arxiv.org/abs/2407.10759" class="external text" rel="nofollow">arXiv:2407.10759</a>.</span>