Qwen前负责人：混合思考为何失败，智能体才是未来

阿里巴巴Qwen项目前技术负责人林俊阳（Junyang Lin）发表了一篇对Qwen3世代所采用的混合思考方法的详细批评，并阐述了他为何认为智能体式思考（而非更长的推理链）才是正确的前进方向。

林俊阳于2026年3月从阿里巴巴离职，目前以独立研究员身份开展工作。他的分析首先在题为”Qwen: Towards a Generalist Model / Agent”的演讲中提出，随后在博客文章中进行了扩充，代表了迄今为止关于主要模型家族背后架构和训练权衡的最详细内部视角之一。

Qwen3发布时配备两种不同模式：一种产生逐步推理链的”思考模式”，以及一种近乎即时响应的”非思考（指令）模式”。其理念是在单一模型中为用户提供两全其美的体验。

林俊阳认为，这种融合从根本上比表面看起来更难。指令模式奖励直接性、简洁性和低延迟。思考模式奖励在困难问题上花费更多token。他说，将两者合并到一个模型中，会同时降低两者的性能。

“更长的推理轨迹并不会让模型更聪明，”林俊阳写道。”思考应该由目标工作负载来塑造，而不是由基准测试来塑造。”

Qwen3使用四阶段后训练流程,,长思维链冷启动、推理强化学习以及”思考模式融合”,,来尝试合并。但后续版本发布了独立的Instruct和Thinking变体，实际上承认了统一方法未能按预期工作。

林俊阳将这一困难归因于数据问题而非模型架构问题。”这更多是一个数据问题而非模型问题，”他说，并指出构建能同时很好地服务于两种模式的训练数据的难度。

他认可Anthropic与Claude 3.7 Sonnet的做法，该模型提供用户可配置的思考预算，认为这是对行业冲向混合模型的一种”有用的纠正”。

林俊阳更重要的论点涉及未来方向。他将近期AI进展划分为两个时代：

第一时代,,推理思考，以OpenAI的o系列和DeepSeek-R1为代表。强化学习需要确定性、可验证的奖励，这自然将训练偏向数学、代码和形式逻辑。RL变成了系统工程问题,,大规模部署和验证流程。

第二时代,,智能体式思考，林俊阳认为这是当前的前沿。目标从产生正确答案转变为在交互式环境中行动时维持进展。智能体必须决定何时停止思考并采取行动，调用哪个工具以及以什么顺序调用，如何整合来自外界的嘈杂反馈，以及在失败后如何修订计划。

“回答的思考与行动的思考不是一回事，”他写道。

其博客文章中的对比表格清晰地区分了两者：

| 维度 | 推理思考 | 智能体式思考 |

|———–|——————-|——————|

| 评判标准 | 回答前内部思考的质量 | 行动中是否维持进展 |

| 奖励信号 | 可验证答案（数学、代码、逻辑） | 交互式环境中的任务成功 |

| 核心训练对象 | 思维链本身 | 选择行动、读取环境反馈并适应的策略 |

林俊阳预计，”编排工程”,,在专业子智能体之间路由工作的协调层,,在未来几年将比原始模型能力更重要。一个通用模型最终可能不如一个能够规划、委派、验证和恢复的系统重要。

Qwen家族本身就展示了这一轨迹。演讲的结尾幻灯片以一句话结束：”Training models -> training agents.”

林俊阳的分析还为实践者提供了切实可行的指导。Qwen3的`enable_thinking`标志,,在聊天模板中切换模式,,是他认为行业应专注于简化的那种人体工学细节：

“`python

from transformers import AutoModelForCausalLM，AutoTokenizer

name = “Qwen/Qwen3-8B”

tok = AutoTokenizer.from_pretrained(name)

model = AutoModelForCausalLM.from_pretrained(name，torch_dtype=”auto”，device_map=”auto”)

enable_thinking=True -> 逐步推理模式

text = tok.apply_chat_template(messages，tokenize=False，add_generation_prompt=True,

enable_thinking=True)

“`

对于智能体部署，林俊阳推荐多智能体编排：一个编排器模型规划并路由工作，而专业化的子智能体执行更狭窄的任务。这种架构比单体智能体能更好地控制上下文污染,,随着智能体任务跨越许多轮次和工具调用而恶化的问题。

Qwen自己的Deep Research演示,,将研究问题分解为子查询、调用外部搜索、评估来源质量并返回有依据的引用,,被呈现为智能体式范式的早期实例。

在Apache 2.0许可下发布的Qwen3家族，模型规模从0.6B到235B参数不等，MoE变体（30B-A3B和235B-A22B）每token激活128名专家中的8名。量化格式包括GGUF、GPTQ、AWQ和MLX。

婷翻译