今日，亚马逊云科技Amazon Bedrock正式接入Qwen3系列模型，以全托管、Serverless方式，方便用户访问Qwen3开源权重基础模型。

本次发布包含Qwen3-Coder-480B-A35B-Instruct、Qwen3-Coder-30B-A3B-Instruct、Qwen3-235B-A22B-Instruct-2507和Qwen3-32B（稠密型）四款模型，涵盖混合专家（MoE）与稠密架构，为不同应用需求提供灵活选择。

通过统一API，Amazon Bedrock让用户无需进行基础设施管理，即可轻松访问业界领先的基础模型。您可以对接来自多家模型提供商的模型，将其集成到自身应用中，并根据工作负载需求灵活调整使用规模。值得注意的是，在Amazon Bedrock中，客户数据绝不会被用于训练底层模型。

随着Qwen3系列模型的加入，Amazon Bedrock将在下类使用场景中，为用户提供更多选择：

具备扩展上下文理解能力的代码生成与存储库分析。

构建可协调多种工具和API，以实现业务自动化的智能工作流。

使用混合思维模式进行自适应推理，平衡生成式AI成本与性能。

Amazon Bedrock中的Qwen3模型

Amazon Bedrock现已推出四款Qwen3模型，每款模型均针对不同的性能和成本需求进行了优化：

Qwen3-Coder-480B-A35B-Instruct：一款MoE模型，总参数为4800亿，激活参数为350亿。它针对编码和Agentic任务进行了优化，在Agentic编程、浏览器使用和工具使用等基准测试中表现出色。这些能力适用于代码库级别的代码分析和多步骤工作流自动化。

Qwen3-Coder-30B-A3B-Instruct：一款MoE模型，总参数为300亿、激活参数为30亿。该模型专门针对编码任务和指令跟随场景进行了优化，在多种编程语言的代码生成、分析和调试方面表现出强大性能。

Qwen3-235B-A22B-Instruct-2507：一款经过指令调整的MoE模型，总参数为2350亿，激活参数为220亿。它在编码、数学和一般推理任务中均具有出色性能，实现了能力与效率的平衡。

Qwen3-32B（Dense）：一款具有320亿参数的稠密模型。它适用于对性能一致性要求较高的实时或资源受限环境，如移动设备和边缘计算部署。

Qwen3的架构与功能特点

Qwen3模型具备多项架构与功能特点：

混合专家与稠密架构对比：Qwen3-Coder-480B-A35B、Qwen3-Coder-30B-A3B-Instruct和Qwen3-235B-A22B-Instruct-2507等MoE模型，在处理每个请求时仅激活部分参数，能以高效推理实现高性能。而稠密型的Qwen3-32B模型会激活全部参数，可提供更稳定且可预测的性能。

Agentic能力：Qwen3模型能在单次模型调用中完成多步推理与结构化规划。集成到Agent框架后，它们可生成调用外部工具或API的输出结果。这些模型还能在长会话中保持扩展上下文，同时支持工具调用功能，实现与外部环境的标准化通信。

混合思维模式：Qwen3采用混合式问题解决方法，支持两种模式：思考模式和非思考模式。思考模式会在给出最终答案前进行逐步推理，非常适合需要深度思考的复杂问题；非思考模式则针对复杂度较低、相较深度更看重速度的任务，快速提供近乎即时的响应，这一特性有助于开发者更有效地平衡性能与成本。

长上下文处理：Qwen3-Coder系列模型支持扩展上下文窗口，原生支持多达256K token，通过扩展方法可支持多达100万token，这使得模型能在单个任务中处理完整代码库、大型技术文档或长对话历史。

使用场景

Qwen3的四款模型适用于不同场景：

Qwen3-Coder-480B-A35B-Instruct：专为复杂软件工程设计，适用于高级代码生成、代码库级长上下文分析及外部工具集成。

Qwen3-Coder-30B-A3B-Instruct：擅长代码补全、重构及编程问题解答。 

Qwen3-235B-A22B-Instruct-2507：多领域均衡之选，基于MoE架构实现效率优势，兼具强通用推理与指令跟随能力。

Qwen3-32B（Dense）：适用于要求性能稳定、低延迟及成本优化的场景。

在Amazon Bedrock中使用Qwen模型

在Amazon Bedrock控制台的“配置与学习”中选择“模型访问”，找到Qwen3模型申请权限。通过导航窗格的“聊天/文本测试场”，用提示词直接测试Qwen3模型。

用户可使用任意一款Amazon Web Services SDK将Qwen3模型集成到应用程序中。Amazon Web Services SDK均提供对Amazon Bedrock InvokeModel和Converse API的访问权限。

用户还可以将这些模型与任何支持Amazon Bedrock的Agntic框架结合使用，并使用Amazon Bedrock AgentCore部署Agents。例如，以下是一段使用Strands Agents构建的、具有工具访问功能的简单Agent的Python代码：

from strands import Agentfrom strands_tools import calculator
agent = Agent(    model="qwen.qwen3-coder-480b-instruct-v1:0",    tools=[calculator])
agent("Tell me the square root of 42 ^ 9")with open("function.py", 'r') as f:    my_function_code = f.read()
agent(f"Help me optimize this Python function for better performance:\n\n{my_function_code}")

左右滑动查看完整示意

现已可用

Qwen模型现已在以下亚马逊云科技区域可用：

• Qwen3-Coder-480B-A35B-Instruct：美国西部（俄勒冈州）、亚太地区（孟买、东京）和欧洲地区（伦敦、斯德哥尔摩）。

• Qwen3-Coder-30B-A3B-Instruct、Qwen3-235B-A22B-Instruct-2507和Qwen3-32B：美国东部（北弗吉尼亚）、美国西部（俄勒冈）、亚太地区（孟买、东京）、欧洲（爱尔兰、伦敦、米兰、斯德哥尔摩）和南美洲（圣保罗）区域。

您可查看完整的区域列表，获取未来更新信息。

无需搭建基础设施或规划容量，即可立即开始测试和构建。如需了解更多信息，请访问Amazon Bedrock中的Qwen3模型产品页面和Amazon Bedrock定价页面。

完整区域列表：

https://docs.aws.amazon.com/bedrock/latest/userguide/models-regions.html?trk=ba8b32c9-8088-419f-9258-82e9375ad130&sc_channel=el

Qwen产品页面：

https://aws.amazon.com/bedrock/qwen/

Amazon Bedrock定价页面：

https://aws.amazon.com/bedrock/pricing/

本篇作者

Danilo Poccia

作为亚马逊云科技的首席布道师 （EMEA），他利用自己的经验帮助人们将想法变为现实，专注于Serverless架构、事件驱动编程以及机器学习和边缘计算的技术和商业影响。他是《Amazon Lambda in Action》一书的作者。

我们正处在Agentic AI爆发前夜。企业要从"成本优化"转向"创新驱动"，通过完善的数据战略和AI云服务，把握全球化机遇。亚马逊将投入1000亿美元在AI算力、云基础设施等领域，通过领先的技术实力和帮助“中国企业出海“和”服务中国客户创新“的丰富经验，助力企业在AI时代突破。