本文基于公开资料综述（智谱 / Kimi / DeepSeek 3 家 AI 采集交叉一致 recommend，2026-07-21），非实机测试。
① 公开证据综合
阿里通义千问 2025-04-28 发布，开源 MoE，总参 30.5B / 激活 3.3B，Apache-2.0（官方技术报告）。双模式特征明显：非思考模式推理弱（AIME25 21.6），但 Instruct-2507（AIME25 61.3）+ Thinking-2507（AIME25 85.0，超 Gemini2.5-Flash-Thinking）大幅提升。MMLU-Pro 78.4（接近 GPT-4o-0327 79.8）、LiveCodeBench v6 43.2、GPQA 70.4（官方 / IT之家）。
长上下文：基础 128K，Instruct-2507 扩 256K，Thinking-2507 达 1M（RULER 100万 token 约 72.2）。
② 与同类模型横评
- vs Qwen3-32B（Dense）：32B 知识略优（MMLU 83.61 vs 81.38），但 30B-A3B 推理成本低 + 4-bit 更省显存（16-18GB vs 19-20GB）
- vs Qwen3.5-27B：3.5 多模态 + benchmark 更强，但 API 贵 4 倍；纯文本性价比选 30B-A3B
- vs DeepSeek-V3-0324：DS MMLU-Pro 81.2 / AIME25 46.6 领先非思考版，但 30B-A3B 激活更少、成本更低
③ 本地部署建议与 verdict
能不能本地跑？能，条件宽松。 FP16 约 61GB（双 A100/单 H100）；FP8 约 31GB（单 A100/H100）；INT4 约 16-20GB（单卡 RTX 4090 24GB）；4-bit MLX 约 16-20GB（Mac Studio/MBP）。社区 W4A16/W8A8/FP8 齐全，支持 vLLM/SGLang/Ollama/llama.cpp。SGLang 单卡 BF16 达 490 tok/s（官方）。
Verdict：recommend（推荐）。 Qwen3-30B-A3B 在”开源可本地 + 激活少成本低 + 中文强 + 思考模式上限高”四维独特优势。虽 2026 有 Qwen3.5/3.6/3.7 更强替代，但极低部署门槛 + Apache-2.0 使其在消费级本地（单卡 24GB 跑出有竞争力中文推理）仍不可替代。