网易首页 > 网易号 > 正文 申请入驻

刚刚,阿里祭出Qwen3超大杯思考模型,数学考试满分,实测竟成token“吞金兽”

0
分享至

阿里的“超大杯”思考模型,终于现身了!

智东西11月4日报道,刚刚,阿里发布了Qwen 3系列中最强推理模型Qwen3-Max-Thinking的早期预览版。尽管这一模型只是一个训练的中间检查点,但它已借助工具使用和测试时计算,在AIME 2025和HMMT(哈佛-MIT数学锦标赛)等具有挑战性的推理基准测试中,达到100%的准确率。

不过,这一模型其实已经在通义千问负责人林俊旸的个人社交媒体账号上获得了“超前点映”:在11月2日的23点54分,林俊旸便发文“它来了,你们可以试试”,配图是开启思考模式的Qwen3-Max。

Qwen团队并未透露Qwen3-Max-Thinking早期预览版的更多信息,模型也并未在Hugging Face、魔搭等平台开源。Qwen团队称,随着训练的继续,更多版本将会推出。

用户可在Qwen Chat和阿里云API中试用Qwen3-Max-Thinking早期预览版。API调用界面介绍,Qwen3-Max-Thinking早期预览版实现了思考模式与非思考模式的有效融合,在思考模式下,模型在智能体编程、常识推理,以及数学、科学和通用领域的推理能力等方面都有显著提升。

体验链接:

chat.qwen.ai/?thinking=true

API调用:

https://modelstudio.console.alibabacloud.com/?tab=doc#/doc/?type=model&url=2840914_2&modelId=qwen3-max-preview

值得注意的是,Qwen3-Max-Thinking早期预览版仅支持文本到文本这一模态,并选择以输出“限时免费”的模式对外提供API服务。

我们在体验中发现,Qwen3-Max-Thinking早期预览版的确挺费token的,如果不是限时免费输出的话,使用成本或许会较为高昂。

不过,该问题是可以用自带的思考预算控件解决的,用户可以在1024-81920个token的思考预算区间内随意切换,直接控制模型的推理长度。

智东西在Qwen Chat中体验了Qwen3-Max-Thinking早期预览版的能力。要使用这一模型,用户需要在左上方选择Qwen3-Max,并开启输入框中的Thinking模式。

既然Qwen3-Max-Thinking早期预览版在AIME 2025上拿下了满分,我们便拿这场竞赛难度最高的压轴题,来考察该模型的数学推理能力。

可以看到,Qwen3-Max-Thinking早期预览版在其思考过程反复输出了正确答案,不断验算,不断以新的方式解题目,甚至调用了代码解释器,从多种角度证明了其结果。

这一过程耗时大概4-5分钟,不过确实保证了答案的完全正确。将这一结果放到token计数器后,大致计算出其对应的token用量在1.2万-1.5万之间。

在智能体编程任务上,我们尝试让DeepSeek-V3.2和Qwen3-Max-Thinking早期预览版完成相同的任务——开发一个开源项目分享网站的HTML原型。

Qwen3-Max-Thinking早期预览版能准确分析用户需求,输出所需的网页。网页设计简洁清晰,也符合开源项目分享网站的基本使用需求,就是在样式和字体选择上略显粗糙。

对于其输出的网站结果而言,Qwen3-Max-Thinking早期预览版消耗的token数量明显偏多。反映到代码数量上,这一模型使用了整整1417行代码完成了任务。

开启深度推理的DeepSeek-V3.2生成了如下网页预览,代码源文件中包含787行代码。

在常识推理类任务上,Qwen3-Max-Thinking早期预览版能很容易地绕开逻辑陷阱。

不过,平心而论,此类题目Qwen-3-Max也能轻松解决,只需要几十个字。

已经有不少网友用上了Qwen3-Max-Thinking早期预览版。有网友反馈,这一模型的回复更为直接、切中要点,也更为“商务”,几乎避开了所有“人性化”的情感。

也有网友在自己打造的“randombench”基准测试上,考察了Qwen3-Max-Thinking早期预览版的表现。Qwen3-Max-Thinking早期预览版能解答高难度的推理问题,在这一基准测试上,此前只有GPT-5(思考模式)和Grok 4达到了相同的水准。

不过,广大网友们最关心的问题,或许还是:到底啥时候上Hugging Face?

结语:Qwen3-Max系列模型,期待拉满

阿里的Qwen3-Max系列模型已经成为当前AI业内最广受期待的模型之一,在社交媒体的评论区中,已有不少网友开启催更模式。

今年9月5日,阿里上线Qwen3系列最强模型Qwen3-Max的预览版本,这也是阿里迄今为止最大的模型,参数量超1万亿。

此番发布的Qwen3-Max-Thinking早期预览版在推理方面展现出强大的能力,其在数学竞赛上的满分表现就是例证之一。在定位上,这或许就是一款专为高难度推理而生的模型,并不一定适用于所有使用场景。目前阿里尚未放出完整的基准测试结果,其整体表现仍有待观察。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
媒体造神,从删掉"交易额"开始

媒体造神,从删掉"交易额"开始

鲁先生的笔
2026-11-21 21:51:20
如何看待亲妈不让8岁女儿上学,自称“示范在家教育”,孩子母亲违反了哪些法律法规?不去学校上学可能有哪些后果?

如何看待亲妈不让8岁女儿上学,自称“示范在家教育”,孩子母亲违反了哪些法律法规?不去学校上学可能有哪些后果?

本来就是个局外人
2026-11-22 11:27:58
“封闭”又如何 ? 土库曼斯坦用30年证明 : 不开放政治,照样开放钱包

“封闭”又如何 ? 土库曼斯坦用30年证明 : 不开放政治,照样开放钱包

云霄纪史观
2026-11-19 02:24:41
一街之隔,差了1万7:13.8万人挤在4.5平方公里的北京青塔

一街之隔,差了1万7:13.8万人挤在4.5平方公里的北京青塔

童童聊娱乐啊
2026-11-21 15:15:49
魏德尔说大国谈判桌上已经没欧洲了,欧洲同时得罪中美俄,翻遍通讯录发现没朋友

魏德尔说大国谈判桌上已经没欧洲了,欧洲同时得罪中美俄,翻遍通讯录发现没朋友

雪饼说
2026-11-21 11:33:29
医护收入或有新调整!国家明确:提升医护劳动回报!绩效分配比例倾斜

医护收入或有新调整!国家明确:提升医护劳动回报!绩效分配比例倾斜

华医网
2026-11-21 05:43:16
高德云控红绿灯系统上线:通行效率提升19%

高德云控红绿灯系统上线:通行效率提升19%

睿财经官方
2026-11-22 11:37:57
9000mAh+8000nits!荣耀新机官宣:11月23日,全新发布!

9000mAh+8000nits!荣耀新机官宣:11月23日,全新发布!

科技堡垒
2026-11-22 08:00:44
愿日子清净,抬头皆是温柔

愿日子清净,抬头皆是温柔

疾跑的小蜗牛
2026-11-02 19:00:14
周雨诺:西班牙10号个人能力太强了,上半场丢球影响了心态

周雨诺:西班牙10号个人能力太强了,上半场丢球影响了心态

懂球帝
2026-11-21 12:57:40
我八十七岁,用亲身经历告诉你:钱差不多,请保姆真不如住养老院

我八十七岁,用亲身经历告诉你:钱差不多,请保姆真不如住养老院

金哥说新能源车
2026-11-21 00:31:16
利库德集团提组阁条件,要求内塔尼亚胡独任总理并支持打击伊朗

利库德集团提组阁条件,要求内塔尼亚胡独任总理并支持打击伊朗

界面新闻
2026-11-21 11:51:25
户上隼辅4-1成双冠王!桥本帆乃香连续两周女单夺冠,日本四冠收官

户上隼辅4-1成双冠王!桥本帆乃香连续两周女单夺冠,日本四冠收官

叮咚体坛
2026-11-21 23:37:53
首例5胞胎长大了,父亲已劳累去世,母亲直言:如能重来一个也不要

首例5胞胎长大了,父亲已劳累去世,母亲直言:如能重来一个也不要

柳絮忆史
2025-07-22 07:15:03
全网断货!销量大涨6倍,盒马紧急“警告”!

全网断货!销量大涨6倍,盒马紧急“警告”!

中国商报
2026-11-18 17:19:16
77岁被骗光积蓄,83岁公开告诉媒体自己仍有性生活、91岁近乎全裸地登上杂志封面,双腿修长迷人!传奇"超模"卡门用一生证明:年龄只是数字

77岁被骗光积蓄,83岁公开告诉媒体自己仍有性生活、91岁近乎全裸地登上杂志封面,双腿修长迷人!传奇"超模"卡门用一生证明:年龄只是数字

回京历史梦
2026-11-17 14:24:26
美国发出全球通缉令,逮捕中国芯片科学家陈正坤,如今怎么样了?

美国发出全球通缉令,逮捕中国芯片科学家陈正坤,如今怎么样了?

安珈使者啊
2026-11-22 11:27:42
留洋巅峰战!韩旭狂轰38+9创新高压王思雨16+5 赢中国德比

留洋巅峰战!韩旭狂轰38+9创新高压王思雨16+5 赢中国德比

醉卧浮生
2026-11-21 15:19:30
正式退出!徐昕发声,官宣决定,广州队支持,遭遇三重打击,已连夜出发

正式退出!徐昕发声,官宣决定,广州队支持,遭遇三重打击,已连夜出发

喜欢体育的猫
2026-11-22 10:54:32
湖南姑娘毛宁,16岁考大学,52岁当司长,她的经历让人眼前一亮

湖南姑娘毛宁,16岁考大学,52岁当司长,她的经历让人眼前一亮

凡知
2026-11-10 06:23:19
2026-11-22 12:32:49
智东西 incentive-icons
智东西
智东西,AI产业新媒体,专注报道人工智能的前沿技术发展,和技术应用带来的千行百业产业变革。
12992文章数 117197关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

"敢不敢玩刺激的" 女博士当主播6个月至今有心理阴影

头条要闻

"敢不敢玩刺激的" 女博士当主播6个月至今有心理阴影

体育要闻

约基奇vs申京:最强的策应巨人?

娱乐要闻

杨迪戴东北绒帽在黑龙江漠河舞厅跳舞

财经要闻

金价跌破3550美元,分析称短期下行未逆转

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

旅游
教育
手机
时尚
艺术

旅游要闻

洞察入境趋势,赋能品质度假,2026上海国际休闲度假产业发展大会在沪举行

教育要闻

同样考509,录取结果却不同:成都中考录取的临门一脚在哪

手机要闻

荣耀700系列参数提前看,同档有谁能敌?

我们总说爱动物,但我们真的懂得如何善待它们吗?

艺术要闻

16位欧洲画家的19幅作品欣赏

无障碍浏览 进入关怀版