知识库章节 ▾
技术
Qwen3-235B：Gonka 曾支持的模型
什么是Qwen3-235B
Qwen3-235B-A22B-Instruct-2507-FP8 是阿里巴巴云 Qwen 团队开发的 Qwen3 系列大型语言模型 (LLM)。全名解读如下：Qwen3 — 第三代系列，235B — 共 2350 亿个参数，A22B — 每个请求有 220 亿个活动参数，Instruct — 经过指令训练的版本，2507 — 2025 年 7 月发布，FP8 — 用于内存优化的 8 位量化。
关键的架构特征是 MoE (Mixture of Experts)。与“密集”模型（GPT-5.5、Claude Sonnet 4.6）不同，后者每个 token 都经过所有参数，MoE 模型对每个请求仅激活一部分“专家”—— 专门的神经网络块。以 Qwen3-235B 为例，在 2350 亿个参数中，每个 token 仅激活 220 亿个 —— 不到 10%。这在计算成本相当于 22B 模型的情况下，提供了 200B+ 参数模型的质量水平。
实际上，这意味着：该模型比根据其速度预期要智能得多。它处理请求的速度明显快于质量相当的密集模型，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 个单词）—— 足以在单个请求中分析整本书、代码库或长篇法律文档。该模型支持 119 种语言，包括俄语、英语、中文、阿拉伯语、印地语和数十种其他语言——使其成为市场上最多语言的模型之一。
特点和基准测试
Qwen3-235B 可与最大的闭源与开源模型一较高下。以下是关键规格对比：
| 模型 | 参数量 | 上下文 | MoE | 开源 | 价格（每 1M tokens） |
|---|---|---|---|---|---|
| Qwen3-235B（Alibaba） | 235B（22B 激活） | 131K | 是 | 是（Apache 2.0） | $0.07+（托管） |
| GPT-5.5（OpenAI） | ~1.8T（估算） | 128K | 是（推测） | 否 | $5.00 |
| Claude Sonnet 4.6（Anthropic） | 未披露 | 200K | 否（推测） | 否 | $3.00 |
| Llama 4 Maverick（Meta） | 400B（17B 激活） | 1M | 是 | 是（Llama License） | $0.20+（托管） |
| DeepSeek-R1（DeepSeek） | 671B（37B 激活） | 128K | 是 | 是（MIT） | $0.55 |
Qwen3-235B 在大多数基准测试中展现出与 GPT-5.5 和 Claude Sonnet 4.6 相当的质量水平，而作为一款开放权重的 MoE 模型，其成本比专有同类产品便宜许多倍：MoE 架构每次请求只激活部分参数，大幅降低计算开销。Gonka 网络正将同样的去中心化廉价 inference 原则应用于其现役模型——MiniMax M2.7、DeepSeek V4 Flash 和 GLM-5.3 Flash，可通过 JoinGonka Gateway 调用，价格仅为每 1M tokens $0.0069（比 GPT-5.5 和 Claude 便宜数百到数千倍）。
在 MMLU-Pro、HumanEval、MATH-500 和 GSM8K 基准测试中，该模型跻身最佳开源模型前三，仅在数学推理（reasoning）任务上略逊于 DeepSeek-R1。在代码生成、翻译和指令遵循任务中，Qwen3-235B 稳定领先于 Llama 4 Maverick，并与 Claude Sonnet 4.6 旗鼓相当。
Gonka 如何使用 Qwen3-235B
当 Qwen3-235B 还是网络的主力模型时，它在 Gonka 网络上以分布式方式运行——通过为 inference 改造的 DiLoCo 协议。FP8 格式的完整模型约需 640 GB 显存（VRAM），单块 GPU 根本无法容纳——即便是 H100 80GB 或 H200 141GB 也不够。因此模型按层拆分（tensor parallelism + pipeline parallelism）到多个 ML 节点上。
实际运行中，Qwen3-235B 部署在由 8—16 个 GPU 节点组成的集群上，每个节点至少 40 GB VRAM。Transfer Agents 将请求路由到对应集群，各节点上的 vLLM 处理自己负责的模型片段，结果汇总后返回给用户。整个过程只需数百毫秒——用户完全察觉不到自己的请求是由遍布全球的十几块 GPU 协同完成的。如今网络仍沿用这套分布式 inference 原则——只是应用到了现役模型上。
一个重要的技术细节：Gonka 使用 vLLM 作为 serving 引擎。vLLM 是一个开源项目，通过 PagedAttention——一种在并行处理大量请求时优化显存占用的算法——实现高性能文本生成。这让每个节点能够并行处理大量请求而不损失质量。
该模型支持原生 tool calling——直接从模型回复中调用函数和工具。这一能力通过 PR #767 加入 Gonka，工具调用判定阈值为 0.958。在 Qwen3-235B 上，开发者借此构建能与外部 API、数据库和工具交互的 AI 智能体——全部通过单次请求完成。tool calling 支持在网络现役模型中也得以延续。
目前 Gonka 网络拥有 944 GPU（H100、H200、B300 等）。过去这些算力服务于 Qwen3-235B，如今则支撑网络的现役模型——MiniMax M2.7、DeepSeek V4 Flash 和 GLM-5.3 Flash。
现在还可以尝试 Qwen3-235B 吗
直接回答：通过 Gonka 网络——已经不行了。Qwen3-235B 已从网络中下线，因此你无法再通过我们的 Gateway 使用标识符 qwen3-235b-a22b 调用它。由于该模型是开源的（Apache 2.0），你仍然可以自行部署，或通过第三方的开放权重模型托管服务访问它——例如通过 OpenRouter（大约 $0.071/$0.100 每 1M tokens）。
但如果你需要的正是大家来到 Gonka 所追求的那种廉价去中心化 inference，它并没有消失，只是现在运行在网络当前在线的模型上。通过 JoinGonka API Gateway 可以使用 MiniMax M2.7、DeepSeek V4 Flash 和 GLM-5.3 Flash，采用 OpenAI 兼容 API：任何为 OpenAI 编写的代码都能原样运行——只需替换 URL、API key 和模型名称即可。
调用当前在线模型的示例请求：
curl https://gate.joingonka.ai/api/v1/chat/completions \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "MiniMaxAI/MiniMax-M2.7",
"messages": [{"role": "user", "content": "Explain the MoE architecture"}]
}'价格：$0.0069 每 100 万 tokens——比 GPT-5.5（$5.00/1M）便宜约 720 倍，比 Claude Sonnet 4.6（$3.00/1M）便宜约 430 倍。注册即可获得 3M 免费 tokens 用于测试。
Gateway 兼容主流开发工具：Quick Start 介绍了通过 Python、Node.js 和 curl 接入的方式。同时支持 IDE 集成——Cursor、Continue、Cline、Aider 和 Claude Code——以及 AI agent 框架：LangChain、n8n、LibreChat、Open WebUI。
快速上手：
- 在 gate.joingonka.ai 注册（连接钱包或创建新钱包）
- 在 Dashboard 中获取 API key
- 在你的代码中将
api.openai.com替换为gate.joingonka.ai/api - 指定网络中当前可用的模型——
MiniMaxAI/MiniMax-M2.7、deepseek-ai/DeepSeek-V4-Flash-0731或zai-org/GLM-5.3-Flash（完整列表见GET /v1/modelsendpoint）
企业级去中心化 inference，业余项目的价格——它从未离开，只是 Qwen3-235B 让位给了网络中更新的模型。同样的性价比组合如今运行在 MiniMax M2.7、DeepSeek V4 Flash 和 GLM-5.3 Flash 上。