苍何在Mac系统上顺利安装了阿里开源的Qwen3模型，并探索出三种令人激动的应用方式。本文将介绍Qwen3的卓越能力，以及它如何通过本地部署完成知识库维护、写作辅助和数据库处理等实际任务，揭示其在人工智能领域的重要价值。

五一回老家那会，和发小吃了个饭，聊到了现在的 AI。

有人看到我使用人工智能技术感觉很兴奋，他也想在工作中提高效率，但是公司的电脑不允许连接互联网。

这让我瞬间穿越回几年之前，在讯飞某个机密计划里，没有网络的情况下埋头编写程序的场景。

这真是太痛苦了。

为了使好友在工作中运用人工智能，我努力指导他如何在本地安装当下备受关注的 Qwen3。

并且找到了三种颇具趣味且颇具用处的操作方式，不得不说，Qwen3 真的让人着迷。

经历一番周折，证实了官方所言非虚，“Qwen3-4B 这种小型模型确实能够媲美 Qwen2.5-72B- 的表现。”，所言极是。

我的 Mac 安装了最新版本的 Qwen3-8b，倘若硬件配置能进一步提升，例如升级到 14b，那么整体表现将会有显著的提升。

在阐述本地部署以及我的一些实际操作之前，我认为先和各位谈谈 Qwen3 是很有必要的。

后面会介绍如何本地部署 Qwen3 以及 3 大玩法。

Qwen3 是阿里巴巴近期推出的新一代开源大语言模型，归属于通义千问（Qwen）家族，是该系列的最新成员。

仅仅过去不足两月，该项目便在 上收获了惊人的 21.1 k 个关注者。

令人惊叹，我的开源项目 PmHub 已经持续一年有余，却仅有三百个赞。

最近还有一则令我颇感惊讶的消息，日本经济新闻这家国际知名媒体在四月公布了一份AI模型评估排名，其中阿里巴巴的通义千问在全部113个模型里位列第六，并且是所有开源模型中表现最为出色的一个。

据了解，日本企业中表现最为出色的模型ABEJA-Qwen2.5-32B，其研发过程借鉴了千问的技术，日经媒体官方也公开指出：千问已经成为日本人工智能研发的重要基石。

此刻，我内心泛起一丝感动，眼眶湿润，脑海中浮现钱学森当年返回祖国时的一番话语：掌握本领与徒手空拳，情况截然不同。

Qwen3现在可以运用119门世界语言，并且能够运用部分地域性语言。

这项工作其实相当重要，尽管人工智能非常热门，不过仍有不少国家缺乏开发本民族语言大模型的技术实力。

Qwen3 的开源，直接让他们有了可以依赖的开源模型。

能够明确的是，不仅限于日本，通义千问也变成了许多国家AI研发的根基，

例如，那位海外人士利用Qwen/Qwen2-72B构建了一个能用法语应答的自动化系统。

还有那位日本同胞，是男性还是女性呢，正运用 Qwen3-8 B 对日语进行优化调整。

我注意到，在 X 平台上，对于 Qwen3 大家都抱有很高的评价，国外的博主们纷纷进行介绍。难怪它的发展速度如此迅猛。

突然感觉，这一幕似成相识，这不咱们这边蹲的既视感吗？

在墙外人的眼中，它好像真是香饽饽。

许多人想知道原因，从资料分析，设备的应用开销较为昂贵，Qwen3 的开销非常小，顶级型号235B参数的应用费用几乎只相当于R1的三倍。

此外 Qwen3 属于一种公开的融合推理架构，能够于分析状态与常规状态之间灵活转换，有助于在资源消耗与思考成效方面达成更佳的协调。

Qwen3 在执行代理任务时展现出卓越的性能，其模型架构本身就具备对MCP协议的兼容性。

这就很舒服了呀，也难怪那么人选择作为 AI 开发基础。

好的，如果想要深入认识，朋友们可以借助这个网址去探索和试用 Qwen3：

Qwen Chat：https://chat..ai

通义 APP：

https://www..com/：

https://.com//Qwen3

当然你也能够像苍何那样，在本地安装一个小型模型Qwen3，尝试使用，并且还可以进行参数调整。

下面我们沉浸式体验下。本地部署Qwen3

这里我依旧使用 来部署。

具体详细可参考本地部署大模型教程。

在 选择 ，找到 qwen3：

选择对应尺寸参数，我的 Mac 最多支撑 8 b 了。

计算方法请参照这个公式：所需GPU内存量约等于模型体积乘以1.2倍。我的Mac有16GB内存，按照这个算法，最多可以支持8倍体积的模型运行。

复制这个命令，本地终端执行。

总共五点二吉字节，悄悄查看了个人电脑的可用容量dnastar mac，忍不住流下了羞愧的泪水。

复制命令后，慢慢等他下载模型，等就好了。

部署完后，你就可以直接和他对话。

但我想没人会直接这么完。通常会结合具体的使用场景来搞。

此处列举若干本地部署模型所能提供之实际效用例证。

本地安装数据能够确保隐私安全，同时还能根据需求进行细致调整，实施 RAG。

知识库

这里我用 做了 3 个知识库，把相应的数据导入。

接下来，在系统界面中选取最新上线的 Qwen3 模型，便能够运用知识库进行咨询了。举例来说，我的知识库收录了先前撰写的专栏文章，该模型能迅速检索到相关内容。

基于微信读书笔记进行特定语句提问以及总结。

整体感受是现在比过去强很多,但是知识库不能太庞大,小模型也难以承受,在写作方面

设想一下，假如当前你的电脑无法上网，想要借助人工智能进行写作，是否就束手无策了呢？

倘若此刻你的个人计算机上安装了 Qwen3，便能够借助它来提供帮助。

能够存储于 WPS，或者置于特定平台，无需网络连接亦可运用人工智能功能。

具体操作方法可以看苍何之前分享的文章：

1、WPS 接入本地大模型2、 中接入本地大模型

只需要把这里的模型替换为新部署的 Qwen3。

在 WPS 中也是一样，替换模型后，本地使用起来超级方便。

他弄好了之后，给我买了许多辣乎乎的零食，一边吃一边夸味道好极了，MCP 本地操作数据库

先前那篇文章：+MCP实现以口型控制数据库，众多人忧虑在里头处理资料会触及隐私层面，因而犹豫不前。

当前若采用本地安装的 Qwen3，便实现了全程的专属化，数据存储于本地，模型运算亦在本地，MCP 同样部署在本机。

你只需要用嘴操作数据库，他不香吗？

Qwen3 是一种融合推理的模型，无需它进行思考，直接采用使用/标签即可，例如查询数据表这类简单工作，完全可以无需思考，若需思考，则添加/think标签即可。

此处不再详述，数据库的增删改查均可执行，并且支持跨表进行联合查询，能够依据数据制作可视化图表。

借助本地部署的 Qwen3，通过口述方式管理数据库，让安全防护更加稳固可靠。

Qwen 3 真的dnastar mac，让我知道了，什么叫小模型，大能量。

通过更少的要素实现更优的成果，推理花费低才能让AI变得普及，这次必须对阿里巴巴表示赞赏。

如今，众多中小型企业，终于能够借助 Qwen3 对自身数据进行训练，开发特定领域的应用，从而打造出独具特色的产品。

而且，这个模型是完全开源的，任何公司个人都可以使用。

如有侵权请联系删除！