魚羊 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

新一年的基礎(chǔ)模型競(jìng)逐，沒想到是阿里千問率先出手了！

就在剛剛，Qwen3-Max-Thinking正式版突然發(fā)布，當(dāng)即刷新全球SOTA：

在涵蓋科學(xué)知識(shí)、數(shù)學(xué)推理、代碼編程的19項(xiàng)權(quán)威基準(zhǔn)測(cè)試中，趕上甚至超越GPT-5.2-Thinking、Claude-Opus-4.5和Gemini 3 Pro等TOP閉源模型。

p.s. 此前這一超大杯推理模型的“早期預(yù)覽版”，已經(jīng)在AIME 25和HMMT 25（哈佛-MIT數(shù)學(xué)競(jìng)賽）中達(dá)到100%的準(zhǔn)確率。

量子位了解到，完全體的Qwen3-Max-Thinking總參數(shù)超萬億（1T），預(yù)訓(xùn)練數(shù)據(jù)量高達(dá)36T Tokens，并且進(jìn)行了更大規(guī)模的強(qiáng)化學(xué)習(xí)后訓(xùn)練。

核心技術(shù)方面，通過引入自適應(yīng)工具調(diào)用和測(cè)試時(shí)擴(kuò)展兩項(xiàng)技術(shù)創(chuàng)新，Qwen3-Max-Thinking的推理性能和調(diào)用工具的原生Agent能力都有顯著提升。

千問APP PC端和網(wǎng)頁端已經(jīng)第一時(shí)間上新這一Qwen系列最強(qiáng)模型，現(xiàn)在即可免費(fèi)體驗(yàn)。API（qwen3-max-2026-01-23）也已開放。

Qwen3超大杯推理版實(shí)測(cè)

話不多說，Qwen3超大杯推理版到底有多強(qiáng)，我們直接來看效果。

代碼能力

現(xiàn)場(chǎng)寫一個(gè)小游戲，對(duì)大模型們來說早已不是難事，什么貪食蛇、flappy bird基本都能輕松搞定。

如果再加上一點(diǎn)難度，讓Qwen3-Max-Thinking在網(wǎng)頁小游戲里加上手勢(shì)識(shí)別呢？

• 創(chuàng)建一個(gè)基于瀏覽器的氣球射擊游戲，使用天空背景，并通過攝像頭跟蹤用戶的手部動(dòng)作來控制屏幕上的指針。

還真能work！并且在prompt的指導(dǎo)下，細(xì)節(jié)也都到位：

瞄準(zhǔn)動(dòng)作下，屏幕左上方會(huì)顯示“瞄準(zhǔn)中”的狀態(tài)；雙指捏合觸發(fā)射擊時(shí)，能瞬間轉(zhuǎn)換“射擊！”提示；如果手出框了，還會(huì)出現(xiàn)紅色高亮提醒。

完整prompt如下：

prompt:“Create a browser-based balloon shooter with a sky background, using the webcam to track a user’s hand and control an on-screen pointer.Core requirements1. Sky screen- Fullscreen sky backdrop (gradient + soft clouds OR skybox).- Subtle parallax and gentle cloud drift for depth.2. Balloons- Spawn balloons from the bottom and drift upward with slight side-to-side motion.- Different sizes (small = faster / worth more, large = slower / worth less).- Optional wind gusts that shift all balloons briefly.3. Hand pointer- Use real-time hand tracking from the camera.- Track index fingertip and map it to screen coordinates.- Render a crosshair/pointer at that position.- Add smoothing so the pointer doesn’t jitter (exponential moving average).4. Shooting- Shooting gesture: pinch (thumb + index) to fire.- Add a cooldown (e.g., 150–250ms) to prevent accidental rapid-fire.- When firing, do a raycast / hit-test from the pointer to balloons.- If hit: pop balloon + add score + combo streak feedback.5. Feedback- Pop VFX: quick burst particles + optional “rubber fragments.”- Small screen shake or micro “kick” on hit (subtle).- Sound toggle (pop + whoosh).6. UI (simple + modern)- Minimal HUD: score, combo, and a small “calibration” indicator.- Settings drawer: sensitivity, smoothing, spawn rate, difficulty, left/right hand selection.- Fallback controls: mouse pointer + click if camera isn’t available.7. Calibration & stabilityInclude a calibration step:- Ask the user to hold their hand in view and point to screen corners to fit mapping.- Handle low-confidence frames:- If hand not detected, fade crosshair and show “Hand not found” hint.prompt:“Create a browser-based balloon shooter with a sky background, using the webcam to track a user’s hand and control an on-screen pointer.Core requirements

再來一手經(jīng)典難度題：鵜鶘騎自行車。

• An animated SVG of a pelican riding a bicycle.

emmm…談不上完美，但鑒于給出的提示詞比較簡略，至少確實(shí)是那么個(gè)意思了（doge）。

工具調(diào)用

此次更新，官方重點(diǎn)強(qiáng)調(diào)了兩方面的能力提升：推理能力和自主調(diào)用工具的原生Agent能力。

剛好最近在關(guān)注內(nèi)存漲價(jià)這事兒，不妨讓Qwen3-Max-Thinking直接幫我們分析一波，寫份研報(bào)。

提示詞：

• 最近內(nèi)存價(jià)格瘋漲，幫我分析下哪些股票受到了影響，畫出相關(guān)股價(jià)走勢(shì)

從側(cè)邊欄顯示的思考細(xì)節(jié)可以看到，Qwen3-Max-Thinking先是自主上網(wǎng)收集好了資料，然后調(diào)用代碼解釋器做起了數(shù)據(jù)分析和繪圖，就像人類一樣是邊用工具邊思考的。

不到1分鐘時(shí)間，一份囊括漲價(jià)原因、受益/受損產(chǎn)業(yè)分析、下一階段存儲(chǔ)芯片產(chǎn)業(yè)走勢(shì)的完整報(bào)告，就新鮮出爐了。

技術(shù)解析

在模型上線的同時(shí)，阿里千問團(tuán)隊(duì)也通過官方技術(shù)博客，透露了Qwen3-Max-Thinking的不少技術(shù)細(xì)節(jié)。

技術(shù)博客提到，Qwen3-Max-Thinking在事實(shí)知識(shí)、復(fù)雜推理、指令遵循、人類偏好對(duì)齊以及智能體能力等評(píng)估維度上都實(shí)現(xiàn)了顯著提升。

背后有兩項(xiàng)核心創(chuàng)新：

• 自適應(yīng)工具調(diào)用能力，可按需調(diào)用搜索引擎和代碼解釋器；
• 測(cè)試時(shí)擴(kuò)展技術(shù)（Test-Time Scaling），顯著提升推理性能。

來看具體細(xì)節(jié)。

自適應(yīng)工具調(diào)用

與早期需要用戶手動(dòng)選擇工具的方法不同，通過引入自適應(yīng)工具調(diào)用，Qwen3-Max-Thinking能在對(duì)話中自主選擇并調(diào)用其內(nèi)置的搜索、記憶和代碼解釋器功能。

比如，搜索《醉翁亭記》全文，并調(diào)用代碼解釋器把所有的“也”替換成“喵”。

最終的完成效果如下：

在此背后，阿里千問團(tuán)隊(duì)專門設(shè)計(jì)了一套訓(xùn)練流程：

在完成初步的工具使用微調(diào)后，模型在多樣化任務(wù)上使用基于規(guī)則和模型的反饋來做進(jìn)一步訓(xùn)練。

實(shí)驗(yàn)表明，搜索和記憶工具能有效緩解幻覺，提供實(shí)時(shí)信息訪問，并支持更個(gè)性化的回復(fù)。代碼解釋器允許用戶執(zhí)行代碼片段，并應(yīng)用計(jì)算推理來解決復(fù)雜問題。

測(cè)試時(shí)擴(kuò)展技術(shù)

測(cè)試時(shí)擴(kuò)展是指在推理階段分配額外計(jì)算資源，以提升模型性能的技術(shù)。

阿里千問團(tuán)隊(duì)提出了一種經(jīng)驗(yàn)積累式、多輪迭代的測(cè)試時(shí)擴(kuò)展策略。

不同于簡單增加并行推理路徑數(shù)量N（這往往會(huì)導(dǎo)致冗余推理），研究團(tuán)隊(duì)限制N并將節(jié)省的計(jì)算資源用于由“經(jīng)驗(yàn)提取”機(jī)制引導(dǎo)的迭代式自我反思。

這樣做的好處在于，模型不會(huì)推理著推理著又繞回到已經(jīng)得出的結(jié)論上去，瘋狂廢話浪費(fèi)token，而是會(huì)專注于未解決的不確定性。

更關(guān)鍵的是，相比于直接引用原始推理軌跡，該機(jī)制實(shí)現(xiàn)了更高的上下文利用效率，在相同上下文窗口內(nèi)能更充分地融合歷史信息。

實(shí)驗(yàn)證明，在大致相同的token消耗下，該方法優(yōu)于標(biāo)準(zhǔn)的并行采樣與聚合方法，推理性能和推理效率大幅提升。

比如，在啟用工具的“人類最后的測(cè)試”HLE中，Qwen3-Max-Thinking得分58.3，超過GPT-5.2-Thinking的45.5，以及Gemini 3 Pro的45.8，刷新SOTA。

在IMO難度級(jí)別的數(shù)學(xué)能力測(cè)試基準(zhǔn)IMO-AnswerBench上，Qwen3-Max-Thinking也以91.5的成績拿下全場(chǎng)最高分。

中國開源持續(xù)席卷世界

意料之中，2026年的第一個(gè)重量級(jí)模型更新，再次來自中國。

而有些意料之外但也在情理之中的是，這一次率先出手的，是阿里千問。

根據(jù)MIT-Hugging Face數(shù)據(jù)，在全球22億次模型下載行為之中，中國開源AI模型的采用份額已經(jīng)躍升至17.1%，超過了美國的15.8%。

在過去一年內(nèi)新發(fā)布的模型中，中國模型的下載量穩(wěn)居第一。

在其中，從迭代頻率、下載量和社區(qū)影響力來看，千問系列拔得頭籌。

Hugging Face的最新數(shù)據(jù)顯示，阿里千問系列衍生模型數(shù)量突破20萬個(gè)，成為全球首個(gè)達(dá)成此目標(biāo)的開源大模型。同時(shí)，千問系列模型下載量突破10億次，平均每天被下載110萬次，完全超越Llama，實(shí)際上已經(jīng)成為全球AI開源界的新標(biāo)桿。

值得關(guān)注的是，在飛快壯大自身開源、頂級(jí)模型影響力的同時(shí)，阿里也已在實(shí)踐中揭示了2026年模型廠商的新著力點(diǎn)——

將頂尖模型能力和應(yīng)用生態(tài)體系做更深入的結(jié)合。

日前，千問APP已全面接入淘寶、支付寶、淘寶閃購、飛豬、高德等阿里生態(tài)業(yè)務(wù)。

可以預(yù)見的是，2026基礎(chǔ)模型還將持續(xù)增強(qiáng)，并且更深入地與各個(gè)垂直領(lǐng)域、與實(shí)際生活相結(jié)合，在落地實(shí)踐中展現(xiàn)更多應(yīng)用的可能。

第一炮已經(jīng)打響，期待中國開源延續(xù)2025年的勢(shì)頭，持續(xù)給世界帶來新驚喜~

官網(wǎng)地址：
https://chat.qwen.ai/

— 完 —