🛡️ 安全 · 模型发布

Qwen3Guard 发布：实时安全逐词检测，三级风险分类覆盖 119 种语言

通义千问推出首款专用安全护栏模型 Qwen3Guard，基于 Qwen3 架构微调，首次实现流式逐词安全检测，并引入「安全 / 争议性 / 不安全」三级分类，在多项主流安全评测中位居行业领先水平。

综合公开信息整理• 2026-07-22• 全文约 3 分钟读完

#Qwen3Guard #安全护栏 #流式检测 #通义千问 #三级分类

2 个版本 Gen 生成式版 + Stream 流式检测版

3 种规模 0.6B / 4B / 8B 参数，适配全场景

119 种 支持语言及方言，全球部署

⚡ 30 秒速览

核心创新：Qwen3Guard-Stream 首次实现生成阶段逐词实时安全检测，在 Transformer 末层附加两个轻量分类头，延迟极低。

三级分类：新增「争议性」标签，可在严格 / 宽松模式间灵活切换，覆盖 9 大风险类别（暴力、违法、色情、PII、自杀自残、不道德行为、政治敏感、版权违规、越狱）。

多语言覆盖：支持 119 种语言及方言，涵盖印欧、汉藏、亚非、南岛、突厥等主要语系，中英文场景表现尤为突出。

两大应用：可作为安全 RL 奖励信号（Gen 版），也可在线实时拦截风险内容（Stream 版），均无需重新训练模型。

01两大版本，定义安全护栏新范式 Gen vs Stream

Qwen3Guard 提供两个专业版本，覆盖从离线标注到在线拦截的全链路需求。它们的核心差异在于检测时机与部署场景。

Qwen3Guard-Gen（生成式版）

对完整 Prompt 和 Response 进行安全分类，适用于离线数据集标注、过滤，以及作为 RLHF 阶段的安全奖励信号。

Qwen3Guard-Stream（流式检测版）

在模型逐词生成过程中实时审核，每输出一个 Token 即判定一次安全性，实现贯穿生成全程的细粒度防护。

但数据只是故事的一部分。真正的突破在于分类粒度的重构。

传统护栏模型仅输出「安全 / 不安全」二元标签，而 Qwen3Guard 引入「安全 ✅ / 争议性 ⚠️ / 不安全 ❌」三级分类。其中「争议性」标签为行业首创，允许应用根据场景动态调整审核严格度——在严格模式下争议内容被判为不安全，在宽松模式下则视为安全，一套模型适配多种安全策略。

✅ 安全 ⚠️ 争议性 • 灵活重分类 ❌ 不安全

注：三级分类覆盖 9 大风险类别：暴力、违法行为、色情内容、个人身份信息、自杀自残、不道德行为、政治敏感话题、版权违规、越狱提示。每个类别均可独立配置阈值。

02119 种语言从英语到粤语，从冰岛语到斯瓦希里语

Qwen3Guard 支持 119 种语言及方言，覆盖全球主要语系。这使其在跨国部署、多语言内容审核场景中具备天然优势，无需为每个语言区单独训练模型。

印欧语系 65+ 种 汉藏语系 中、缅等 亚非语系 阿拉伯、希伯来等 南岛语系 印尼、马来等 德拉威语 泰米尔、泰卢固等 突厥语系 土耳其、哈萨克等 壮侗语系 泰、老挝等 乌拉尔语系 芬兰、匈牙利等 南亚语系 越南、高棉等 其他 日、韩、格鲁吉亚等

注：各语系下包含方言变体，如中文涵盖简体、繁体及粤语；阿拉伯语覆盖标准语及 6 种地域变体。完整语言列表见官方技术报告。

一个诚实的注脚：多语言覆盖的广度令人印象深刻，但长尾语言的真实表现仍需更多实测验证。

03它能做什么？两个已经验证的实战场景

Qwen3Guard 的两大版本对应两种截然不同的应用路径——一个用于训练阶段的安全对齐，一个用于推理阶段的实时防护。

🧪 安全强化学习（Safety RL）Gen 版

将 Qwen3Guard-Gen 的输出作为安全奖励信号，融入 RLHF 训练流程。
在不损害模型整体有用性的前提下，显著提升模型的内在安全性——拒绝有害请求的比率大幅提高，而正常对话质量几乎不受影响。
适用于需要从源头降低风险的高合规场景，如金融、医疗、教育等领域的对话系统。

关键价值：安全与有用性不必二选一——三级分类的「争议性」标签为策略调优保留了弹性空间。

⚡ 实时动态干预 Stream 版

在模型生成回复的逐词过程中即时判定风险，无需等待完整输出。
一旦检测到风险内容，可立即中断生成或替换安全回复，响应延迟控制在毫秒级。
特别适合面向公众的在线服务，如社交平台内容审核、客服机器人、教育辅导等需要低延迟安全把关的场景。

技术亮点：不重新训练模型——Stream 版通过架构扩展实现防护，与主模型解耦，部署灵活。