Qwen3: Der Beste KI-Bilderzeuger mit unvergleichlicher Leistung

Qwen3 wurde am 29. April veröffentlicht. Qwen hat diesmal 8 verschiedene Modelle mit unterschiedlichen Parametern veröffentlicht, die alle Bestleistungen unter den Open-Source-Modellen der gleichen Größe erzielen. Wie stark sind sie? Sogar das kleine Modell mit 4B-Parametern kann mit der Leistung des vorherigen 72B-Modells von Qwen konkurrieren! Das bedeutet, dass die private Bereitstellung hochwertiger Modelle endlich für gewöhnliche Verbraucherkarten geöffnet ist. Viele Anwendungen können jetzt betrieben werden, und die lokale Bereitstellung ist ebenfalls nicht schwierig. In diesem Artikel werden zwei Methoden vorgestellt, die ohne Programmierkenntnisse einfach zu verstehen sind:

Erste Methode: Ollama

1. Starte mit dem Download und der Installation von Ollama: Besuche die Website ollama.com und lade die für dein System passende Version herunter, ganz ähnlich wie bei der Installation gewöhnlicher Software.
2. Modell herunterladen: Nach der Installation besuche die oben genannte Website, klicke im Menü auf den Tab „Models“, suche nach „qwen3“ und gehe zur Detailseite, um die für deinen Computer geeignete Version auszuwählen. Ich habe eine 30-Serie NVIDIA-Karte, daher habe ich ein 8b-Modell gewählt (später wird auch ein 14b-Version getestet).
   
   An der Stelle, die im obigen Bild mit② gekennzeichnet ist, kopiere den Befehl und öffne das CMD-Fenster mit „Win + R“, füge den Befehl ein und drücke Enter, um das Modell herunterzuladen.
   
   Die 8b-Version ist ca. 5 GB groß, zusammen mit Ollama selbst sind es etwa 10 GB. Standardmäßig wird es auf Laufwerk C gespeichert, achte darauf, ausreichend Speicherplatz zu lassen.
3. Starte das Gespräch: Nach dem Download wird die Anwendung automatisch gestartet, und du kannst sofort Fragen stellen, wie im Bild dargestellt:
   
   Es sei darauf hingewiesen, dass du, nachdem das CMD-Fenster geschlossen wurde, beim erneuten Ausführen von qwen3 im CMD-Befehlszeilenfenster den Befehl „ollama run qwen3“ eingeben musst. Wie aus dem obigen Bild ersichtlich, besitzt das 8b-Modell dennoch die Fähigkeit zum tiefen Denken. Ich hatte ursprünglich gedacht, dass meine 30-Serie Grafikkarte damit nicht klarkommen würde, doch die Geschwindigkeit betrug 58,96 tokens/s. Diese Zahl mag nicht beeindruckend erscheinen, aber es ist etwa 15-mal so schnell wie die durchschnittliche Tippgeschwindigkeit eines normalen Menschen, was als sehr schnell gilt.
   
   (Um die Laufgeschwindigkeit des lokalen Modells zu überprüfen, verwende den Befehl „ollama run qwen3 --verbose“, wie im obigen Bild zu sehen.) Damit hast du das lokale Offline-Running des qwen3-Modells abgeschlossen. Allerdings wirkt die Interaktion über die Befehlszeile nicht besonders benutzerfreundlich. Visualisierungstools wären ideal, um in einem klaren Gesprächsfenster zu kommunizieren, ähnlich wie bei DeepSeek. Solche Tools gibt es viele; ich habe persönlich Ollama Open WebUI ausprobiert und fand es sehr gut.

Zweite Methode: Open WebUI

Da Ollama bereits installiert ist, müssen nur noch zwei Schritte vollzogen werden:

1. Docker installieren: Besuche https://www.docker.com/ und lade die passende Version für deinen PC herunter. Wenn du keine zauberhafte Internetverbindung hast, kann es langsam sein. Ich habe die Windows AMD64-Version heruntergeladen (du kannst diese Version erhalten, indem du „docker“ in dieser öffentlichen WeChat-Nummer eingibst). Für Windows-Computer mit x64-Architektur kannst du diese Version direkt verwenden; für Apple-Computer lade die Version von der offiziellen Website herunter. Wie du die Systemarchitektur herausfindest? Drücke „Win + R“, gib „msinfo32“ in das Ausführungsfeld ein und drücke die Eingabetaste. Im Bereich „Systemübersicht“ siehst du den Punkt „Systemtyp“. Nach dem Download installiere und starte es wie jede andere Software. Bei der ersten Ausführung kann es etwas langsam sein.
   
2. Installiere Ollama WebUI: Gehe zu https://github.com/open-webui/open-webui, finde den entsprechenden Punkt im Bild unten und kopiere den Befehl (unten rechts im Pfeilbereich).
   
   Öffne dann das CMD-Fenster mit „Win + R“, füge den oben genannten Befehl ein, drücke Enter und warte, bis die automatische Installation abgeschlossen ist. Schließlich öffne die Ollama WebUI in deinem Browser unter der Adresse http://localhost:3000. Wenn du zur Registrierung aufgefordert wirst, befolge die Anweisungen (das erste Konto ist standardmäßig Administrator). Da in diesem Artikel bereits das 8b-Modell von qwen3 heruntergeladen wurde, kannst du dieses Modell im oberen linken Bereich auswählen und direkt Nachrichten eingeben, um zu kommunizieren (siehe Bild unten):
   
   Damit hast du die zweite Bereitstellungsmethode abgeschlossen. Lass uns die Qualität von Qwen3 testen, indem wir eine „IQ“-Frage stellen: Nach praktischen Erfahrungen, kann ein 5,5 Meter langer Bambusstock mit einem Durchmesser von 20 Millimetern unbeschadet durch eine rechteckige Tür mit einer Breite von 4 Metern und einer Höhe von 3 Metern gelangen? Schauen wir direkt auf die Antwort. Zuerst die Antwort von Wenxin Yiyan (die Antwort ist „nein“).
   
   Dann die Antwort von Kimi (die Antwort ist ebenfalls „nein“):
   
   Jetzt schauen wir uns die Antwort des qwen3 8b-Modells an:
   
   Überrascht? Nach dem Test des 8b-Modells schauen wir uns jetzt das Modell mit 14b-Parametern an. Ich hätte nie gedacht, dass eine 8 GB Grafikkarte dieses Parameterlevel unterstützen kann, was eine positive Überraschung ist! Aber die Ausgabe-Geschwindigkeit ist durchschnittlich, etwa das Zweifache der Vergleichsgeschwindigkeit eines normalen Menschen:
   
   Lass uns auch die Effizienz beim Verfassen eines klassischen Gedichts überprüfen:
   
   Die Zeit, die für das Nachdenken benötigt wird, ist absolut akzeptabel. Dies ist die Effizienz mit 8 GB VRAM; mehr wird nicht benötigt. Natürlich ist die Qualität das Wichtigste. Insgesamt ist die Leistung, obwohl die getesteten Modelldaten nicht hoch sind, durchaus ansprechend. Aufgrund des begrenzten Umfangs wurden nicht mehr Beispiele präsentiert. Wenn dieser Trend anhält, könnte Qwen mit seinen Open-Source-Modellen viele der geschlossenen großen Sprachmodelle übertreffen. Was denkst du? Um die vollständige Version auszuprobieren, besuche: chat.qwen.ai.