训练方法

预训练（3阶段）

1. 通用阶段：30万亿tokens，建立基础知识
2. 推理阶段：5万亿高质量tokens，增强STEM和编程能力
3. 长上下文阶段：扩展上下文长度至32K tokens

后训练（4阶段流程）

1. 长CoT冷启动：建立基础推理模式
2. 推理强化学习：优化数学和编程推理
3. 思维模式融合：整合两种模式
4. 通用强化学习：提升综合能力

Qwen团队在X post中解释停止使用混合思维模式的原始帖子地址是：https://x.com/Alibaba_Qwen/status/1947344511988076547

这个X post发布在Alibaba_Qwen的官方账号上，其中团队解释了他们的决定："在与社区交流并深思熟虑后，我们决定停止使用混合思维模式。相反，我们将分别训练Instruct和Thinking模型，以便获得最佳质量。我们相信提供更好的性能质量比目前的统一更重要。"

新模型，效果比之前好很多：

https://huggingface.co/Qwen/Qwen3-235B-A22B-Instruct-2507

为什么失败？：

训练目标冲突：模型需要同时优化两个相互矛盾的目标（快速响应 vs 深度思考）

模式干扰：两种模式的特征表示可能在参数空间中相互干扰

这种混合方法本质上违背了"让模型专注于做好一件事"的设计哲学。阿里巴巴的经验证明了：有时候简单的分离比复杂的统一更有效。