Qwen 模型正式登陸 Amazon Bedrock 支援 MoE／Dense 架構，主攻 AI 寫 Code、複雜推理

阿里巴巴最新一代 Qwen3 AI 大型語言模型（Foundation Models）現已全面登陸 Amazon Bedrock。今次一口氣支援四款 Qwen3 型號，涵蓋 AI 編程、推理、分析等多種應用場景，同時提供強大的 Mixture-of-Experts（MoE）及 Dense 架構選擇，方便開發者根據實際需求，平衡效能與成本。

Qwen3 系列：集合 MoE + Dense 架構

四款 Qwen3 模型已可在 Amazon Bedrock 上使用：

Qwen3-Coder-480B-A35B-Instruct：MoE 架構，總參數高達 480B，主攻 AI 編程與 Agentic 多步推理，適合大型程式碼庫及流程自動化。

Qwen3-Coder-30B-A3B-Instruct：MoE 架構，原文出自 unwire.hk， 具 30B 參數，針對多語言程式寫作、分析與除錯，兼顧效能及成本。

Qwen3-235B-A22B-Instruct-2507：MoE 架構，具 235B 參數，支援編碼、數學及邏輯推理等多元場景。

Qwen3-32B (Dense)：Dense 架構，具 32B 參數，適合即時反應或資源有限的裝置（如手機、邊緣運算）應用。

特色功能：AI 寫 Code 同時兼顧效能與成本

Qwen3 系列除了支援傳統 Dense 架構，最大重點是 MoE（Mixture-of-Experts）架構，即每次推理只會啟用部分參數，從而實現高效能並減少資源消耗。對於需要平衡 AI 成本與效能的應用，此架構特別適合香港的 startup、SaaS、FinTech、IoT 等行業。

Agentic 能力：多步推理與 API 整合

Qwen3 具備「Agentic」智能，能一次性處理多步推理及規劃流程，亦可自動呼叫外部 API 或工具，非常適合用於自動化工作流程、聊天機械人及企業級業務自動化。

Hybrid Thinking Mode：快慢模式自行選擇

用戶可自由選擇「Thinking」或「Non-thinking」模式：

Thinking：逐步推理，適合複雜問題、深度分析

Non-thinking：極速回應，適合日常查詢、即時互動

開發者可因應不同場景調整，實現更精細的效能與成本管理。

超長 Context 處理 輕鬆分析大型 Repo

Qwen3-Coder 支援長 context window，原生達到 256K tokens，更可擴展至 100 萬 tokens。這代表模型能一次過分析整個 GitHub Repo、技術文件或多輪對話，無需分拆成多次請求。

Amazon Bedrock：開發 AI 新選擇 資料更安全

Amazon Bedrock 提供統一 API，讓開發者無需管理底層基礎設施，並支援多家頂級 AI 模型供應商（如 Anthropic、Meta、阿里巴巴），方便快速整合至自家應用程式。最重要的是，客戶資料不會用於訓練底層模型，資料私隱得到保障。