yandexyandex
Калькулятор ценТарифыАкцииДокументацияО насПартнерство с Cloud.ruБезопасностьТехническая поддержкаИнвесторамОбучение и сертификацияМероприятияБлогКарьера в Cloud.ruКейсыEvolutionAdvancedEvolution StackОблако VMwareВ чем отличия платформ?ВойтиЗарегистрироватьсяГига-помощникРешенияРазработка и тестирование в облакеИнфраструктура для 1С в облакеIT‑инфраструктура в облакеОблако для КИИОблако для мобильных и веб‑приложений3D-моделирование и рендерингEvolution ComputeEvolution Managed KubernetesEvolution Object StorageEvolution Managed PostgreSQL®Evolution Bare MetalEvolution MigrationEvolution SSH KeysEvolution VPNEvolution DNSEvolution VPCEvolution Load BalancerEvolution Disaster RecoveryEvolution Agent BackupEvolution DiskEvolution Container AppsEvolution Container SecurityEvolution Artifact RegistryEvolution Managed KafkaEvolution Managed RedisEvolution Managed ClickHouseEvolution Managed OpenSearchEvolution API GatewayEvolution RepoEvolution Managed ArenadataDBEvolution Managed TrinoEvolution Managed SparkEvolution Managed MetastoreEvolution AI AgentsEvolution ML InferenceEvolution Foundation ModelsEvolution Managed RAGEvolution TagsEvolution Task HistoryCloud MonitoringCloud LoggingCurator Anti-DDoSCurator Anti‑DDoS+WAFUserGate: виртуальный NGFWStormWall: Anti-DDoSАренда GPUDirect ConnectCDNCloud AdvisorCross-platform connectionAdvanced Object Storage ServiceAdvanced Elastic Cloud ServerAdvanced Relational Database Service for PostgreSQLAdvanced Image Management ServiceAdvanced Auto ScalingAdvanced Enterprise RouterAdvanced Cloud Backup and RecoveryAdvanced Data Warehouse ServiceAdvanced Elastic Volume ServiceAdvanced Cloud Container EngineAdvanced FunctionGraphAdvanced Container Guard ServiceAdvanced Software Repository for ContainerAdvanced Document Database Service with MongoDBAdvanced Relational Database Service for MySQLAdvanced Relational Database Service for SQL ServerAdvanced Server Migration ServiceAdvanced Data Replication ServiceAdvanced API GatewayAdvanced CodeArtsAdvanced Distributed Message Service for KafkaAdvanced Distributed Message Service for RabbitMQAdvanced DataArts InsightAdvanced CloudTableAdvanced MapReduce ServiceAdvanced Cloud Trace ServiceAdvanced Application Performance ManagementAdvanced Identity and Access ManagementAdvanced Enterprise Project Management ServiceVMware: виртуальный ЦОДVMware: резервное копирование виртуальных машинУдаленные рабочие столы (VDI)VMware: виртуальный ЦОД с GPUVMware: резервный ЦОДVMware: резервное копирование в облакоVMware: миграция виртуальных машин
Связаться с нами
Сервисы

Qwen: что это за нейросеть, какие есть модели и как их использовать

Qwen — семейство нейросетей от Alibaba Cloud для работы с текстом, кодом, изображениями и другими типами данных. В линейке есть универсальные, мультимодальные, кодовые и embedding-модели разных размеров и архитектур. Некоторые из них доступны с открытыми весами, поэтому их можно запускать на собственном оборудовании.

Разобраться в многообразии версий Qwen бывает непросто. В статье рассмотрим основные модели семейства, сравним их возможности и разберем три способа использования: через веб-чат, локально и по API в облаке.

Иллюстрация для статьи на тему «Qwen: что это за нейросеть, какие есть модели и как их использовать»

Что такое Qwen и кто его разрабатывает

Qwen выходит поколениями: Qwen3, Qwen3.5, Qwen3.8 и другие. У каждой версии свои размер, контекст и лицензия. Под названием Qwen пользователи подразумевают разное: чат на сайте, открытые веса для запуска на своем сервере или API в облаке. Для выбора важна конкретная версия и способ ее запуска.

Qwen — семейство LLM Alibaba Cloud с открытыми весами

Qwen — это серия больших языковых моделей (LLM, Large Language Model), которую с 2023 года развивает Alibaba Cloud. Нейросеть выходит в двух форматах: открытые модели с весами на Hugging Face и закрытые флагманы Qwen Max, доступные через API. Большинство открытых версий — Qwen3, Qwen3-Coder, Qwen3-VL, Qwen3-Embedding и Qwen3-Reranker — выходит под лицензией Apache 2.0, поэтому веса можно запускать на своем оборудовании. Исключение — флагманская Qwen3.8-2.4T-A95B: она распространяется под кастомной лицензией Qwen3.8-Max License с ограничениями для крупных коммерческих пользователей. 

Как Qwen работает с русским языком

Qwen3 обучали на 119 языках и диалектах, включая русский. Qwen на русском понимает запросы и отвечает связным текстом, а Qwen3-Embedding и Qwen3-Reranker поддерживают более 100 языков. Малые версии чаще ошибаются на сложных формулировках, поэтому проверяйте их на своих примерах.

Какие есть модели Qwen

Модели Qwen различаются размером, архитектурой и задачами, для которых предназначены. По архитектуре их делят на два основных типа: плотные (dense) и MoE (Mixture of Experts).

В плотных моделях все параметры участвуют в обработке каждого токена. Чем больше параметров, тем выше потенциальные возможности модели, но тем больше вычислительных ресурсов требуется для ее запуска.

В MoE-моделях используется другой подход: для обработки каждого токена система выбирает только часть параметров — так называемых экспертов. Поэтому, даже если общее количество параметров велико, одновременно работает лишь их часть. Например, обозначение 235B-A22B означает, что модель содержит 235 млрд параметров, но для обработки каждого токена задействует 22 млрд.

Разберем основные семейства Qwen и задачи, для которых они подходят.

Qwen3: универсальные модели — плотные и MoE

Qwen3 — семейство универсальных языковых моделей, которое Alibaba представила 29 апреля 2025 года. Они подходят для работы с текстом, ответов на вопросы, анализа информации и других задач, связанных с обработкой естественного языка.

В первоначальную линейку вошли восемь моделей:

  • Плотные: шесть версий с 0,6, 1,7, 4, 8, 14 и 32 млрд параметров. Все параметры каждой модели участвуют в обработке токенов.

  • MoE: Qwen3-30B-A3B с 30 млрд параметров, из которых активны 3 млрд, и Qwen3-235B-A22B с 235 млрд параметров, из которых активны 22 млрд.

Размер контекстного окна тоже зависит от модели. На момент выхода две младшие версии поддерживали до 32 тыс. токенов, остальные — до 128 тыс. В обновлении 2507 контекстное окно Qwen3-235B-A22B расширили до 262 144 токенов без дополнительных расширений.

Модели распространяются по лицензии Apache 2.0, которая допускает использование весов в коммерческих продуктах.

В дальнейшем линейка пополнилась новыми поколениями. В феврале 2026 года вышла Qwen3.5 — MoE-модель на 397 млрд параметров с 17 млрд активных. В апреле представили Qwen3.6 — MoE-модель 35B-A3B с лицензией Apache 2.0. В августе 2026 года появились Qwen3.7 и Qwen3.8. Актуальные характеристики отдельных версий стоит проверять на страницах соответствующих моделей.

Схема MoE: маршрутизатор выбирает 8 экспертов из 128 для каждого токенаВ MoE-модели Qwen3-235B-A22B на каждый токен работают 8 экспертов из 128

Qwen3-Coder: модели для генерации и анализа кода

Qwen3-Coder — семейство моделей, предназначенных для программирования. Их используют для генерации и анализа кода, а также в разработке ИИ-агентов, которые могут выполнять задачи с помощью инструментов.

Среди основных моделей:

  • Qwen3-Coder-480B-A35B — старшая модель с 480 млрд параметров, из которых активны 35 млрд. Поддерживает контекстное окно до 262 144 токенов, которое можно расширить до 1 млн с помощью YaRN.

  • Qwen3-Coder-Next — более компактная модель, представленная в феврале 2026 года. Содержит 80 млрд параметров, из которых активны 3 млрд, и ориентирована на создание кодовых агентов.

Обе модели поддерживают вызов функций (tool calling), то есть могут обращаться к внешним инструментам и сервисам. При этом Qwen3-Coder-Next работает только в режиме без рассуждений (non-thinking) и не генерирует блоки think. Это упрощает ее интеграцию в продакшен-сценарии.

Qwen3-VL: мультимодальные модели для изображений и документов

Qwen3-VL — семейство мультимодальных моделей, которые умеют работать не только с текстом, но и с изображениями и видео. Например, с их помощью можно анализировать фотографии, извлекать информацию из документов и описывать видеоматериалы.

В линейку входят две группы моделей:

  • Плотные: версии с 2, 4, 8 и 32 млрд параметров.

  • MoE: версии 30B-A3B и 235B-A22B.

Для каждой модели доступны варианты Instruct и Thinking. Первый предназначен для выполнения инструкций и ответов на запросы, второй — для задач, в которых полезно пошаговое рассуждение.

Контекстное окно составляет до 256 тыс. токенов. Модели также поддерживают распознавание текста на 32 языках.

Qwen3-Embedding и Reranker: модели для поиска и RAG

Эти модели предназначены для поиска информации и построения RAG-систем — решений, которые дополняют ответы языковой модели данными из внешних источников.

У них разные задачи:

  • Qwen3-Embedding преобразует текст в числовой вектор (эмбеддинг). Благодаря этому система может находить документы и фрагменты по смыслу, а не только по совпадению слов.

  • Qwen3-Reranker оценивает релевантность найденных фрагментов запросу и сортирует результаты по степени соответствия.

Обе линейки включают модели размером 0,6, 4 и 8 млрд параметров. Контекстное окно составляет 32 тыс. токенов, лицензия — Apache 2.0.

Для работы с изображениями и документами можно использовать мультимодальные модели Qwen3-VL. Специализированные VL-версии Qwen3-Embedding и Qwen3-Reranker в открытом доступе не представлены.

Instruct и Thinking: чем отличаются режимы

У моделей Qwen3 есть два режима работы:

  • Instruct выполняет запрос и сразу выдает ответ. 

  • Thinking сначала анализирует задачу и последовательно прорабатывает решение, а затем формирует итоговый ответ.

В Qwen3 переключаться между режимами можно с помощью команд /think и /no_think. В обновлении 2507 для старших моделей варианты Instruct и Thinking стали доступны как отдельные модели. В младших версиях переключение с помощью команд может сохраняться — это зависит от способа запуска.

Режим Thinking полезен для задач, требующих сложных вычислений, логики и многоэтапного анализа. Однако на рассуждения уходит больше выходных токенов, поэтому ответ может обходиться дороже и занимать больше времени. Стоимость таких токенов зависит от провайдера и выбранного тарифа.

Модель
Тип
Архитектура и параметры
Контекстное окно
Для каких задач
Qwen3
Универсальная
Dense 0,6–32B;
MoE 30B-A3B, 235B-A22B
32К–128К (в 2507 — 262К)
Чат, анализ текста, перевод
Qwen3-Coder,
Coder-Next
Кодовая
MoE 480B-A35B;
MoE 80B-A3B
262К
Генерация кода, ИИ-агенты
Qwen3-VL
Мультимодальная
Dense 2–32B;
MoE 30B-A3B, 235B-A22B
256К (до 1М)
Документы, изображения, видео
Qwen3-Embedding
Эмбеддинги
0,6B, 4B, 8B
32К
Векторный поиск, RAG
Qwen3-Reranker
Реранкер
0,6B, 4B, 8B
32К
Ранжирование результатов поиска
Qwen3.5–3.8
Универсальные
MoE 397B-A17B, 35B-A3B;
dense 27B
256К–262К (у части до 1М)
Чат, агенты, длинный контекст
Qwen Max
Флагманская
Закрытые версии, доступ по API
До 1М
Сложные задачи

Как пользоваться Qwen: три способа

Qwen можно использовать тремя способами: через веб-чат, локально или по API в облаке. У каждого варианта свои требования к ресурсам, стоимость запуска и особенности обработки данных. Поэтому важно заранее выбрать подходящий способ: от него зависит, насколько легко масштабировать решение, какие нагрузки оно выдержит и где будут обрабатываться запросы.

Так сохраняется исходный посыл, но текст читается легче и плавнее подводит к сравнению трех способов использования.

Веб-чат: быстрый старт и лимиты

В официальном Qwen Chat достаточно зарегистрироваться и выбрать модель. Базовый доступ бесплатный, но лимиты Qwen действуют на число сообщений и набор моделей, их актуальные значения смотрите в чате. Встроить чат в приложение нельзя, а переписка обрабатывается на стороне сервиса.

Локальный запуск через Ollama: требования к GPU и памяти

В Ollama Qwen доступен в нескольких размерах, а установить Qwen локально можно одной командой, например ollama run qwen3:8b. Ollama скачивает квантизованную версию в формате GGUF, а размер файла задает минимум видеопамяти. По данным библиотеки Ollama, файлы занимают:

  • qwen3:8b — 5,2 ГБ;

  • qwen3:14b — 9,3 ГБ;

  • qwen3:32b — 20 ГБ;

  • qwen3:235b — 142 ГБ.

Сверху нужен запас под контекст: 32B помещается на видеокарту с 24 ГБ при небольшом контексте. MoE-модели активируют мало параметров, но загружаются в память целиком; без видеокарты инференс на процессоре идет заметно медленнее. Выбор оборудования разбираем в материале про локальный запуск нейросетей.

API в облаке: без своего железа и с оплатой за токены

Qwen API предоставляют облачные платформы: ответы приходят по OpenAI-совместимому интерфейсу, а оплата идет за токены. Свой сервер не требуется, провайдер берет на себя масштабирование, и смена модели сводится к замене ее названия в запросе.

Простой доступ к популярным ИИ-моделям
Простой доступ к популярным ИИ-моделям
Модели уже готовы к использованию — не нужно развертывать инференс и писать код
Подробнее
Критерий
Веб-чат
Локальный запуск
API в облаке
Стартовые затраты
Нет
Видеокарта или мощный компьютер
Нет, оплата за токены
Требования к оборудованию
Браузер
От 6 ГБ видеопамяти для 8B, сотни ГБ для крупных MoE
Нет, запрос по HTTP
Контроль над данными
Низкий, обработка на стороне сервиса
Полный, данные остаются в вашем контуре
Зависит от провайдера и модели
Масштабирование
Ограничено лимитами
Докупка GPU
Масштабирует провайдер в рамках лимитов
Подходит для продакшена
Нет
Да, при готовой инфраструктуре и команде
Да

Qwen или DeepSeek: что выбрать под задачу

Выбор Qwen или DeepSeek сводится к сравнению конкретных пар моделей: размеры в семействе Qwen различаются в сотни раз. Оценка «лучше» или «хуже» без привязки к задаче теряет смысл.

Различия в архитектуре, размерах и специализации моделей

Qwen и DeepSeek используют архитектуру MoE в своих крупных моделях, но отличаются масштабом и разнообразием линейки. Например, Qwen3-235B-A22B содержит 235 млрд параметров, из которых активны 22 млрд. У DeepSeek V4-Pro — 1,6 трлн параметров, из которых активны 49 млрд.

У Qwen шире выбор специализированных моделей: помимо универсальных, есть отдельные версии для программирования, работы с изображениями и видео, а также семантического поиска. DeepSeek V4 представлен в двух основных версиях: Pro и Flash.

Обе линейки поддерживают большие контекстные окна: у DeepSeek V4 — до 1 млн токенов, у некоторых новых моделей Qwen — также до 1 млн. Различаются и лицензии: DeepSeek V4 распространяется по MIT, большинство открытых моделей Qwen — по Apache 2.0.

Сравнение Qwen3-235B-A22B, DeepSeek V4-Pro и V4-Flash по параметрам, контексту и лицензииПараметры MoE-моделей Qwen и DeepSeek

Когда брать Qwen, а когда DeepSeek

Qwen стоит рассмотреть для небольших моделей на одной видеокарте, мультимодальности или связки LLM, эмбеддингов и реранкера из одного семейства. DeepSeek V4 подойдет для сценариев с крупной универсальной MoE-моделью и контекстом до 1 млн токенов. Прогоните обе модели на 20–30 реальных запросах и сверьтесь со сравнением нейросетей 2026 года.

Где Qwen применяют в бизнесе

В бизнесе Qwen берут под конкретную задачу, потому что размер и специализация модели определяют цену токена и скорость ответа. Небольшая специализированная версия обычно отвечает быстрее и стоит дешевле крупной универсальной.

Помощник разработчика на базе Qwen3-Coder

Qwen3-Coder пишет функции, проверяет pull request и генерирует тесты. Модель совместима с Qwen Code и Cline, а подключить Foundation Models к VS Code можно по документации. Решение о слиянии кода остается за командой: модель находит типовые ошибки, но контекст проекта знает человек.

Поиск по базе знаний: связка embedding-модели, реранкера и LLM

Qwen3-Embedding переводит документы и запрос в векторы, Qwen3-Reranker ранжирует найденные фрагменты, а LLM отвечает по лучшим из них. Этапы схемы разобраны в статье про то, как работает RAG. По тарифу Qwen3-Reranker-0.6B стоит около 0,85 ₽ за 1 млн токенов с НДС, так что реранкинг почти не влияет на бюджет. Готовый конвейер без разработки собирается в Evolution Managed RAG.

Обработка документов и изображений с Qwen3-VL

Qwen3-VL извлекает текст из сканов и таблиц, разбирает структуру длинных документов и отвечает на вопросы по изображениям, а принципы работы описаны в разборе мультимодальных нейросетей. 

ИИ-агенты с вызовом инструментов

Qwen-агенты строят на tool calling: модель получает описание функций, выбирает нужную и формирует параметры, а приложение выполняет вызов к CRM, базе данных или API. 

Умный поиск и ИИ-помощник с RAG
Умный поиск и ИИ-помощник с RAG
Размещение в ЦОД РФ уровня Tier III. Полное соответствие 152-ФЗ
Подробнее

Как подключить Qwen в Evolution Foundation Models

В Evolution Foundation Models модели Qwen доступны по API без развертывания инфраструктуры: достаточно выпустить ключ и выбрать модель. 

Какие модели Qwen доступны в каталоге

В каталоге Evolution Foundation Models доступно более 20 моделей семейства Qwen. Среди них есть универсальные модели Qwen3-30B-A3B и Qwen3-32B, кодовая Qwen3-Coder-Next, а также новые версии Qwen3.5-397B-A17B, Qwen3.6, Qwen3.7 и Qwen3.8.

Для работы с поиском и RAG доступны Qwen3-Embedding-0.6B и Qwen3-Reranker-0.6B. Для мультимодальных задач можно выбрать модели семейства Qwen3-VL.

Контекстное окно моделей в каталоге варьируется от 40 тыс. токенов у Qwen3-30B-A3B до 1 млн у Qwen3.8. Для Qwen3-30B-A3B это ограничение провайдера: нативное контекстное окно модели может быть больше. Актуальные характеристики и ограничения каждой версии можно посмотреть в ее карточке.

Каталог Evolution Foundation Models с фильтром по моделям QwenМодели Qwen в каталоге Evolution Foundation Models

OpenAI-совместимый API: подключение за несколько строк кода

Evolution Foundation Models поддерживает формат OpenAI API. Поэтому для подключения моделей Qwen можно использовать те же библиотеки и инструменты, что и для OpenAI API. При этом в коде достаточно указать адрес API и ключ доступа к Cloud.ru. Само подключение состоит из трех шагов: 

  1. Создайте сервисный аккаунт в разделе «Пользователи» → «Сервисные аккаунты».

  2. Выпустите API-ключ для сервиса Foundation Models и сохраните Key Secret: повторно его не покажут.

  3. Укажите в клиенте OpenAI адрес https://foundation-models.api.cloud.ru/v1 и модель из каталога.

Пошаговая инструкция есть в документации: как создать сервисный аккаунт и API-ключ. Запрос к модели на Python с библиотекой OpenAI выглядит так:

Модели развернуты на российских серверах, оплата по фактическому использованию

Cloud.ru указывает, что модели развернуты на российских серверах, а оплата идет по фактическому использованию: по тарифу Qwen3-Coder-Next стоит 122 ₽ за 1 млн входных и 244 ₽ за 1 млн выходных токенов с НДС. Часть моделей в тарифах помечена как партнерские: их запросы обрабатывает внешний провайдер, поэтому для персональных данных выбирайте модели без пометки (подробнее про внешние модели в Foundation Models). Чувствительные данные маскирует Guardrails.

Заключение

Qwen — семейство моделей для разных задач: работы с текстом и кодом, анализа изображений и видео, поиска по документам. Выбирать подходящую версию стоит с учетом ее возможностей, требований к вычислительным ресурсам и бюджета.

Способ запуска зависит от целей проекта. Для знакомства с моделями и экспериментов подойдут веб-чат или локальный запуск через Ollama. Если вы планируете использовать Qwen в продукте и ожидаете рост нагрузки, можно подключить модели через облачный API. Например, в Evolution Foundation Models доступны разные версии Qwen, которые можно сравнить на собственных запросах и выбрать подходящую для проекта.

FAQ

  • Qwen бесплатный?

    Открытые модели можно скачать бесплатно по лицензии Apache 2.0. В веб-чате доступ бесплатный в пределах лимитов, через API платят за токены. 

  • Понимает ли Qwen русский язык?

    Да, Qwen3 обучали на 119 языках и диалектах, включая русский. Малые версии справляются хуже крупных, поэтому проверяйте модель на своих текстах.

  • Какую модель Qwen выбрать для программирования?

    Для генерации и проверки кода подойдет Qwen3-Coder, для агентов — Qwen3-Coder-Next. При нехватке видеопамяти смотрите Qwen3-Coder-30B-A3B.

  • Сколько видеопамяти нужно, чтобы запустить Qwen локально?

    Ориентир — размер квантизованного файла плюс запас под контекст: от 6–8 ГБ для 8B до 24 ГБ для 32B. Крупным MoE вроде 235B нужно несколько GPU.

  • Чем Qwen отличается от DeepSeek?

    Qwen — широкая линейка с моделями для кода, изображений и поиска, а DeepSeek V4 выходит в версиях Pro и Flash. У DeepSeek лицензия MIT, у большинства открытых моделей Qwen — Apache 2.0.

  • Как подключить Qwen по API в России?

    Через сервис с OpenAI-совместимым API: создайте ключ, укажите адрес и название модели. В Evolution Foundation Models оплата идет в рублях. 

  • Можно ли использовать Qwen в коммерческих проектах?

    Да, если это разрешает лицензия конкретной модели. У большинства открытых моделей Qwen — Qwen3, Qwen3-Coder, Qwen3-VL, Qwen3-Embedding и Qwen3-Reranker — это Apache 2.0. У флагманской Qwen3.8-2.4T-A95B — кастомная Qwen3.8-Max License с ограничениями для крупных коммерческих пользователей. 

17 ноября 2026

Подбираете облачный сервис?

Экспертно поможем с выбором
*
*
*
*
*
0/300

Вам может понравиться