知识库章节 ▾
投资者
分析
工具
- Cursor + Gonka AI — 便宜的 LLM 用于编码
- Claude Code + Gonka AI — 终端的 LLM
- OpenClaw + Gonka AI — 可负担的 AI 代理
- OpenCode + Gonka AI — 免费的代码 AI
- Continue.dev + Gonka AI — 适用于 VS Code/JetBrains 的 AI
- Cline + Gonka AI — VS Code 中的 AI 代理
- Aider + Gonka AI — 与 AI 结对编程
- LangChain + Gonka AI — 便宜的 AI 应用程序
- n8n + Gonka AI — 通过便宜的 AI 实现自动化
- Open WebUI + Gonka AI — 您的 ChatGPT
- LibreChat + Gonka AI — 开源 ChatGPT
- API 快速入门 — curl, Python, TypeScript
- JoinGonka Gateway - 全面概述
- 管理密钥 — Gonka 上的 SaaS
- 最便宜的AI API：2026年提供商对比
技术
Qwen3-235B：Gonka网络挖掘的模型
什么是Qwen3-235B
Qwen3-235B-A22B-Instruct-2507-FP8是Qwen3家族中的一个大型语言模型（LLM），由阿里云的Qwen团队开发。全名解释如下：Qwen3——系列第三代，235B——总共有2350亿参数，A22B——每个请求激活220亿活跃参数，Instruct——经过指令遵循训练的版本，2507——2025年7月发布，FP8——用于优化内存的8位量化。
关键的架构特点是MoE（专家混合）。与“密集”模型（GPT-5.4、Claude Sonnet 4.5）不同，后者每个token都通过所有参数，MoE模型每个请求只激活一部分“专家”——专门的神经网络块。对于Qwen3-235B，在2350亿参数中，每个token只激活220亿——不到10%。这在220亿参数模型的计算成本下提供了2000亿+参数模型的质量。
实际上，这意味着：该模型比其速度所预期的要智能。它处理请求的速度明显快于同等质量的密集模型，同时推理所需的VRAM少得多。这就是为什么MoE成为2025-2026年最大模型的主导架构。
Qwen3-235B的上下文窗口为131,072个token（约100,000字）——足以在一个请求中分析整本书、代码库或长篇法律文件。该模型支持119种语言，包括俄语、英语、中文、阿拉伯语、印地语等数十种语言——使其成为市场上最多种语言的模型之一。
特点和基准测试
Qwen3-235B与最大的封闭和开放模型进行竞争。以下是关键特性对比：
| 模型 | 参数 | 上下文 | MoE | 开源 | 价格（每1M tokens） |
|---|---|---|---|---|---|
| Qwen3-235B（通过JoinGonka） | 235B（22B 活动参数） | 131K | 是 | 是（Apache 2.0） | $0.001 |
| GPT-5.4 (OpenAI) | ~1.8T（估算） | 128K | 是（推测） | 否 | $2.50 |
| Claude Sonnet 4.5 (Anthropic) | 未披露 | 200K | 否（推测） | 否 | $3.00 |
| Llama 4 Maverick (Meta) | 400B（17B 活动参数） | 1M | 是 | 是（Llama License） | $0.20+（托管） |
| DeepSeek-R1 (DeepSeek) | 671B（37B 活动参数） | 128K | 是 | 是（MIT） | $0.55 |
Qwen3-235B 在大多数基准测试中表现出与 GPT-5.4 和 Claude Sonnet 4.5 相当的质量水平，而通过 JoinGonka Gateway 的成本比 GPT-5.4 低 2,500 倍。这得益于两个因素：MoE 架构降低了计算成本，去中心化 Gonka 网络消除了数据中心的利润。
在 MMLU-Pro、HumanEval、MATH-500 和 GSM8K 基准测试中，该模型位列开源模型前三名，仅在数学推理任务方面略逊于 DeepSeek-R1。在代码生成、翻译和指令遵循任务中，Qwen3-235B 稳定地超越 Llama 4 Maverick，并与 Claude Sonnet 4.5 相当。
Gonka 如何使用 Qwen3-235B
Qwen3-235B 模型在Gonka 网络中通过适应推理的DiLoCo 协议分布式运行。完整 FP8 格式的模型需要大约 640 GB 显存（VRAM），这无法在单个 GPU 上容纳——即使是 H100 80GB 或 H200 141GB 也不够。因此，模型在多个 MLNode 之间按层划分（张量并行 + 流水线并行）。
在实践中，Qwen3-235B 在由 8-16 个 GPU 节点组成的集群上运行，每个节点至少有 40GB VRAM。传输代理将请求路由到所需的集群，每个节点上的 vLLM 处理模型的相应片段，结果聚合并返回给用户。整个过程只需数百毫秒——用户不会感觉到他们的请求是由全球不同地点的十几个 GPU 处理的。
一个重要的技术细节：Gonka 使用 vLLM 作为服务引擎。vLLM 是一个开源项目，通过 PagedAttention（一种优化视频内存使用的算法，用于并行处理多个请求）提供高性能的文本生成。这使得网络能够服务数千名同时在线的用户而不会降低质量。
该模型支持原生工具调用——直接从模型响应中调用函数和工具。此功能已通过 PR #767 添加到 Gonka 中，阈值为 0.958，用于检测工具调用。这意味着开发人员可以构建 AI 代理，通过对 Qwen3-235B 的单一请求与外部 API、数据库和工具进行交互。
当前的 Gonka 网络拥有超过 4,000 个 GPU（H100、H200、A100、RTX 4090 等），由 120 多个 MLNode 组成。这是世界上最大的分布式 AI 推理 GPU 网络之一——所有这些能力都用于服务 Qwen3-235B。
如何试用 Qwen3-235B
试用 Qwen3-235B 最简单的方法是通过JoinGonka API Gateway。Gateway 提供了兼容 OpenAI 的 API，这意味着：任何为 OpenAI 编写的代码，只需替换 URL 和 API 密钥，即可与 Qwen3-235B 兼容。
请求示例：
curl https://gate.joingonka.ai/api/v1/chat/completions \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen3-235b-a22b",
"messages": [{"role": "user", "content": "解释MoE架构"}]
}'成本：每100万个token $0.001——比GPT-5.4（$2.50/1M）便宜2500倍，比Claude Sonnet 4.5（$3.00/1M）便宜3000倍。注册后，您将获得免费的1000万个token用于测试。
Gateway 兼容流行的开发工具：快速入门描述了通过 Python、Node.js 和 curl 进行连接。还支持 IDE 集成——Cursor、Continue、Cline、Aider 和 Claude Code——以及 AI 代理框架：LangChain、n8n、LibreChat、Open WebUI。
快速入门：
- 在gate.joingonka.ai注册（连接钱包或创建新钱包）
- 在Dashboard中获取API密钥
- 将您代码中的
api.openai.com替换为gate.joingonka.ai/api - 使用模型
qwen3-235b-a22b
通过JoinGonka使用Qwen3-235B，您将以爱好项目的价格获得企业级的AI服务。