Qwen3: O Melhor Gerador de Imagens AI com Desempenho Impressionante

O Qwen3 foi lançado na madrugada de 29 de abril. A Qwen agora disponibiliza 8 modelos diferentes, todos alcançando o SOTA (State of the Art) em desempenho para modelos open source do mesmo tamanho. Quão impressionante é isso? Mesmo o modelo menor com 4 bilhões de parâmetros consegue competir com o desempenho do modelo anterior da Qwen, que tinha 72 bilhões de parâmetros! Isso significa que a implantação de modelos de alta qualidade em ambientes privados finalmente se tornou acessível para GPUs de consumo comuns. Várias aplicações podem agora ser executadas. A implantação local também é facilitada. Este artigo apresentará duas abordagens que não exigem conhecimento em programação e são simples, trazendo um olhar inicial sobre o tema:

Primeira abordagem: Ollama

1. Download e instalação do Ollama: acesse ollama.com e baixe de acordo com a versão do seu sistema, assim como faria com qualquer software comum.
2. Baixando o modelo: Após a instalação, visite o site mencionado e clique na aba “Models” no menu da interface, encontre “qwen3” e entre na página de detalhes, escolhendo a versão adequada para as especificações do seu computador. Eu escolhi uma versão 8b para minha placa de vídeo da série 30, e também testei a versão 14b posteriormente.

No local marcado como ② na imagem acima, copie o comando e use “Win + R” para abrir o CMD (Prompt de Comando). Cole o comando e pressione Enter para iniciar o download automático da versão desejada.

A versão 8b ocupa cerca de 5 GB, adicionando o Ollama em si, totalizando cerca de 10 GB. O download irá ocorrer no disco C, então, certifique-se de que há espaço suficiente. 3. Iniciando a conversa: após o download, o modelo será executado automaticamente, permitindo que você comece a interagir diretamente, como mostrado na imagem:

Vale ressaltar que após fechar a janela do CMD, caso você queira rodar novamente o qwen3, precisará digitar o comando: ollama run qwen3. Como mostrado na imagem, apesar de ser um modelo 8b, ele ainda possui capacidade de pensamento profundo. Inicialmente, eu pensava que a placa de vídeo da série 30 não conseguiria rodá-lo, mas a velocidade de saída chegou a 58,96 tokens/s. Para se ter uma ideia, isso é cerca de 15 vezes mais rápido do que a velocidade de digitação comum.

(Insira o comando ollama run qwen3 --verbose para verificar a velocidade de execução do modelo local, como na imagem acima.) Com isso, você já completou a configuração do modelo qwen3 para execução offline. No entanto, essa interação via linha de comando pode não ser a mais conveniente. Seria ideal se pudéssemos usar uma ferramenta visual para rodar, assim como fazemos ao conversar com o DeepSeek, com uma janela de diálogo clara. Há muitas ferramentas disponíveis, e pessoalmente, experimentei o Ollama Open WebUI, que achei muito bom. A seguir estão os passos de instalação:

Segunda abordagem: Open WebUI Você já deve ter instalado o Ollama, agora são apenas mais dois passos: instalar o Docker e o Ollama WebUI.

1. Para instalar o Docker, acesse https://www.docker.com/, baixe a versão apropriada para seu computador. Se você não estiver usando uma VPN, o download pode ser lento. Eu fiz o download da versão Windows AMD64 (este link pode ser encontrado enviando "docker" na conversa deste canal). Se você possui um PC com arquitetura x64, esta versão funcionará diretamente. Para usuários de Mac, por favor, faça o download diretamente do site. Como verificar a arquitetura do seu sistema? Pressione “Win + R”, digite “msinfo32” e pressione Enter; na seção "Resumo do Sistema", verifique a linha "Tipo de Sistema". Após o download, instale e execute como um software normal. Pode haver um leve atraso na primeira execução.

2. Instalando o Ollama WebUI: Acesse https://github.com/open-webui/open-webui, localize a parte mostrada na imagem abaixo e copie o comando (indicador de seta no canto inferior direito).

Em seguida, abra o CMD com win + R, cole o comando e pressione Enter, aguardando a instalação automática. Finalmente, abra o navegador e acesse o Ollama WebUI no endereço http://localhost:3000; se solicitado, siga as instruções para registrar (o sistema padrão define a primeira conta como administrador). Como já baixei o modelo 8b do qwen3 enquanto instalava o Ollama, basta selecionar este modelo no canto superior esquerdo e você pode começar a inserir mensagens para interação (imagem abaixo):

Com isso, você completou a segunda opção de implantação. Agora, vamos avaliar a qualidade do Qwen3, começando por uma pergunta: com base em experiências reais, um bastão de bambu de 5,5 metros e 20 milímetros de diâmetro pode passar intacto por uma porta retangular de 4 metros de largura e 3 metros de altura? Vamos ver a resposta. Primeiro, vejamos a resposta do Wenxin Yiyan (que respondeu que não pode):

A seguir, a resposta do Kimi (novamente, a resposta foi de que não pode):

Agora, vamos dar uma olhada na resposta do modelo 8b do qwen3.

Surpreendente, não é? Depois de testar o modelo 8b, fui verificar o modelo com 14b de parâmetros. Não esperava que uma GPU com 8 GB pudesse rodar esse nível de parâmetros, o que foi uma agradável surpresa! No entanto, a velocidade de saída é média, cerca do dobro da velocidade de digitação de uma pessoa comum:

Vamos ver como se sai na escrita de poesias clássicas.

Como se pode ver pelo tempo de reflexão na imagem acima, o desempenho é totalmente aceitável. É a eficiência com 8 GB de VRAM, o que mais poderíamos desejar? Claro, a qualidade é o aspecto mais importante. Como impressão geral, embora os modelos que testei não tenham muitos parâmetros, a performance ainda foi bastante boa. Devido ao comprimento do artigo, não incluí mais exemplos. Se essa tendência continuar, é provável que a maioria dos modelos de linguagem de grande porte serão superados pela abertura da Qwen. O que você acha? Para experimentar a versão oficial completa, você pode visitar: chat.qwen.ai.