# Qwen3-8B

**知名 MaaS 服务平台 “硅基流动”为大家免费提供 Qwen3-8B 模型的调用服务**。作为通义千问 Qwen3 系列中的高性价比成员，Qwen3-8B 以小巧体积实现强大能力，是智能应用与高效开发的理想选择。

***

**🚀 什么是 Qwen3-8B？**

Qwen3-8B 是阿里巴巴于 2025 年 4 月发布的通义千问第三代大模型系列中的 **80 亿参数密集模型**，采用 **Apache 2.0 开源协议**，可自由用于商业与研究场景。

* **总参数量：80 亿**
* **架构类型：Dense（纯稠密结构）**
* **上下文长度：128K tokens**
* **支持多语言：覆盖 119 种语言和方言**

尽管体积小巧，Qwen3-8B 在推理、代码、数学和 Agent 能力方面表现稳定，性能媲美前代更大的模型，在实际应用中展现出极高的实用性。

<figure><img src="/files/burDPQbUKVtwWMN3Mfzw" alt=""><figcaption></figcaption></figure>

***

**📚 强大训练基础，小模型也有大智慧**

Qwen3-8B 基于 **约 36 万亿 token 的高质量多语言数据**完成预训练，涵盖网页文本、技术文档、代码库与专业领域合成数据，知识覆盖面广。

其后训练阶段引入了**四阶段强化流程**，特别优化了以下能力：

✅ 自然语言理解与生成\
✅ 数学推理与逻辑分析\
✅ 多语言翻译与表达\
✅ 工具调用与任务规划

得益于训练体系的全面升级，**Qwen3-8B 的实际表现接近甚至超越 Qwen2.5-14B**，实现显著的参数效率跃迁。\\

<figure><img src="/files/HaM1La0eebreodzlF5Yi" alt=""><figcaption></figcaption></figure>

***

**💡 混合推理模式：思考 or 快速响应？**

Qwen3-8B 支持 **“思考模式”与“非思考模式”** 的灵活切换，用户可根据任务复杂度自主选择响应方式。

通过以下方式控制模式：

* **API 参数设置**：`enable_thinking=True/False`
* **提示词指令**：在输入中添加 `/think` 或 `/no_think`

| 模式        | 适用场景           | 示例                            |
| --------- | -------------- | ----------------------------- |
| **思考模式**  | 复杂推理、数学题、规划类任务 | <p>- 求解几何问题<br>- 编写完整项目架构</p> |
| **非思考模式** | 快速问答、翻译、摘要     | <p>- 查询天气<br>- 中英文互译</p>      |

该设计让用户在**响应速度与推理深度之间自由权衡**，提升使用体验。

***

**⚙️ 原生支持 Agent 能力，赋能智能应用**

Qwen3-8B 具备出色的 **Agent 化能力**，可轻松集成到各类自动化系统中：

🔹 **函数调用（Function Calling）**：支持结构化工具调用\
🔹 **MCP 协议兼容**：原生支持模型上下文协议，便于扩展外部能力\
🔹 **多工具协同**：可接入搜索、计算器、代码执行等插件

推荐结合 **Qwen-Agent 框架** 使用，快速构建具备记忆、规划与执行能力的智能助手。

***

**🌐 广泛语言支持，面向全球应用**

Qwen3-8B 支持包括中文、英文、阿拉伯语、西班牙语、日语、韩语、印尼语等在内的 **119 种语言和方言**，适用于国际化产品开发、跨语言客服、多语种内容生成等场景。

对中文理解尤为出色，支持简体、繁体及粤语表达，适用于港澳台及海外华人市场。

***

**🧠 实用能力强，场景覆盖广**

Qwen3-8B 在多个高频应用场景中表现优异：

✅ **代码生成**：支持 Python、JavaScript、Java 等主流语言，能根据需求生成可运行代码\
✅ **数学推理**：在 GSM8K 等基准中表现稳定，适合教育类应用\
✅ **内容创作**：撰写邮件、报告、文案，结构清晰、语言自然\
✅ **智能助手**：可构建个人知识库问答、日程管理、信息提取等轻量级 AI 助手

***

现在就通过 **硅基流动** 免费体验 Qwen3-8B，开启你的轻量 AI 应用之旅！\\

📘 立即使用，让 AI 触手可及！


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.cherry-ai.com/pre-basic/providers/cherryai/mian-fei-ti-yan-qwen38b-you-gui-ji-liu-dong-ti-gong.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.