Что такое Qwen
Qwen — семейство больших языковых моделей, которое развивает подразделение Alibaba Group (изначально под названием Tongyi Qianwen). Семейство выросло из закрытых корпоративных моделей в линейку открытых релизов: веса публикуются на Hugging Face и в китайском реестре ModelScope, а вместе с ними — технические отчёты и инструментальные линейки. Для предприятия это означает главное: модель можно скачать, развернуть на своих серверах и не зависеть от чужого API.
«Открытые веса под Apache 2.0» — это право скачивать, изменять, дообучать и коммерчески использовать модель без роялти. Лицензия Apache 2.0 содержит стандартные условия: сохранение уведомлений об авторских правах и отказ от гарантий. При этом ответственность за выход модели, фильтрацию контента и соответствие законодательству страны эксплуатации остаётся на той компании, которая модель развернула.
Для российского enterprise интерес Qwen практичен: это один из немногих путей получить сильную мультиязычную модель в закрытом контуре, когда облачные API недоступны, запрещены политикой или не проходят по требованиям защиты данных. Решения о выборе мы всегда подкрепляем испытаниями на данных заказчика — без этого любой каталог остаётся гипотезой.
Проверенные факты о семействе Qwen3
Базовая сводка по поколению Qwen3, анонсированному 29 апреля 2025 года (источники: официальный анонс команды Qwen и технический отчёт семейства).
| Параметр | Факт |
|---|---|
| Разработчик | Alibaba Group (команда Qwen) |
| Лицензия весов Qwen3 | Apache 2.0 (коммерческое использование разрешено) |
| Состав поколения | 8 моделей: 6 плотных (0.6B, 1.7B, 4B, 8B, 14B, 32B) и 2 MoE (30B-A3B и 235B-A22B) |
| MoE-флагман | Qwen3-235B-A22B: 235 млрд общих параметров, 22 млрд активных |
| Контекст | 32K токенов нативно, расширение до 128K механизмом YaRN |
| Языки | заявлена поддержка 119 языков и диалектов |
| Режимы | гибридное «мышление»: переключение между режимом рассуждений и быстрым ответом |
| Специализированные линейки | семейство расширялось релизами для отдельных задач (например, Qwen3-Coder для программирования) |
Мы сознательно не приводим «рейтинги качества»: бенчмарки устаревают быстрее, чем выходят релизы, а применимость к вашим документам и отраслевому языку проверяется только собственным испытанием. Факты выше сверяемы по первоисточникам; дата проверки — 20 сентября 2026 года.
Варианты развёртывания: облако или собственный контур
Облачный API
Alibaba Cloud предлагает Qwen через собственное облако (Model Studio). Для российских компаний это редко рабочий путь: доступность облачных подписок зависит от региона аккаунта и платёжных методов, а передача данных за периметр противоречит требованиям большинства корпоративных политик. Облачный режим оправдан для ранних экспериментов, когда данные не чувствительны.
On-premise
Основной сценарий для Qwen в России: веса скачиваются с Hugging Face и разворачиваются на серверах заказчика. Для инференса применяют vLLM (о нашем стеке — vLLM: сервинг LLM), для CPU-контуров и компактных моделей — llama.cpp с квантованием GGUF (подробности — инференс LLM без GPU и квантование GGUF и AWQ). Плотные модели 4–14B — рабочая зона одиночных GPU-серверов; 32B требует серьёзной видеокарты или агрессивного квантования; MoE-флагман 235B-A22B — задача кластера. Планирование мощности — отдельный этап аудита.
Гибрид
Пилот на компактной модели в изолированном контуре, затем перенос на боевой стенд с ростом размера модели — типовая траектория, которая позволяет рано увидеть качество на русских текстах и не сжечь бюджет на железо.
Как НЬЮ-ССТ внедряет открытые модели
ООО «НЬЮ-ССТ» (ИНН 7733311994) работает с LLM-интеграциями с 2016 года как разработчик и эксплуатирует собственные ИИ-сервисы экосистемы ВЫШКА Cloud. Внедрение открытых моделей строим по ступеням: аудит процесса и данных (от 90 000 ₽, 3–5 рабочих дней) → подбор кандидатов и пилот с оценкой качества на ваших задачах (от 480 000 ₽) → MVP с интеграцией в процессы (от 690 000 ₽) → защищённый enterprise-контур (0,9–1,2 млн ₽). Каждая ступень даёт проверяемый результат, и продолжать её можно только по данным пилота.
В проектах с Qwen мы не обещаем «модель решит всё»: фиксируем метрики приёмки на вашем корпусе (точность извлечения полей, долю приемлемых ответов), настраиваем RAG на базу знаний заказчика, подключаем наблюдение за качеством в эксплуатации. Ответ на заявку — 2 рабочих часа, КП со сметой — 24 часа. По договорам разработки права на созданный код передаются заказчику, действует гарантия 90 дней — это стандарт контракта, а не предмет переговоров. Сравнение подходов «открытая модель против облачного API» — в материале open-source LLM против коммерческих API.
Частые ошибки при выборе Qwen
- Выбор размера «на глаз». 32B не всегда лучше 14B на ваших задачах, а цена железа отличается кратно. Решение принимает пилот с метриками, а не привычка брать «побольше».
- Игнор русского корпуса. Модель мультиязычная (заявлено 119 языков), но ваша терминология, аббревиатуры и формат документов — уникальны; без eval на своём корпусе прогнозы бесполезны.
- Забытая инфраструктура. MoE-флагман — это кластер, оперативная память, балансировка и мониторинг; железо планируется до закупки, а не после первой демо-версии.
- Отсутствие правил эксплуатации. Модели больше 1 млрд параметров требуют документированных правил и учёта в AI BOM — это проверяется и аудитом, и регулятором.
- Слепая вера в thinking-режим. Режим рассуждений удлиняет ответы и не нужен массовым операциям; включайте его точечно, по правилам маршрутизации.
Каждая из этих ошибок стоит денег и времени; все пять закрываются пилотом и протоколом приёмки — это дешевле, чем повторное внедрение.
Безопасность и риски
Открытые веса не отменяют угроз: промпт-инъекции, утечку системных инструкций и заражение цепочки поставки никто не отменял. Базовый набор защит — по OWASP LLM Top-10: фильтрация входов, ограничение полномочий инструментов, журналирование запросов в SIEM. Для агентных сценариев обязательны ограничение действий и подтверждение человеком необратимых операций.
Юридический контур: модель с более чем 1 млрд параметров в терминологии закона об ИИ относится к большим фундаментальным моделям (порог — 1 млрд параметров); на эксплуатирующую организацию ложатся правила эксплуатации модели, а вопросы локализации и подтверждения соответствия разобраны в материалах о требованиях локализации БФМ и подтверждении соответствия. Реестр всех ИИ-активов компании — AI BOM.