Qwen3-Max思考版上线，集成代码解释器攻坚复杂数学

11 月 3 日，阿里巴巴推出 Qwen3-Max-Thinking 早期预览版。Qwen3-Max-Thinking 是 Qwen3-Max 的推理增强版本，它通过集成代码解释器和运用并行测试时计算技术，展现出较强的推理能力。据了解，Qwen3-Max 是阿里巴巴于今年 9 月下旬推出的该公司迄今为止规模最大、能力最强的语言模型，参数量在 1 万亿以上，预训练数据达到 36T tokens。

图 | Qwen3-Max-Thinking 早期预览版的相关 X 推文（来源：X）

目前，Qwen3-Max 推理模型仍在持续训练中，即便使用当前的 Checkpoint，当借助工具调用和规模化的测试时计算时，阿里巴巴表示该模型可在 AIME 25 和 HMMT25 等挑战性较高的数学推理基准测试中达到 100% 的准确率。

Qwen3-Max-Thinking 早期预览版融合了思考模式与非思考模式。当开启思考模式的时候，模型可以很好地执行常识推理和智能体编程等能力，也在数学、科学和其他通用领域具有较好的推理能力。

（来源：实测图）

在实测中，当笔者让 Qwen3-Max-Thinking 完成一个名为“数学推理与可视化智能体”的智能体编程任务时，它花了较长时间思考，消耗的 tokens 也不算低。

（来源：实测截图）

（来源：实测图）

经过几分钟的思考以及长达 527 行的代码，它给出了一个示例输出报告，附上了完整的 HTML 报告示例，并指出这一智能体通过多路径验证可以确保数学严谨性，通过结果的专业可视化能够提供直观的洞察，在架构设计上支持扩展至微积分和组合优化等其他数学问题类型，能够为复杂数学推理任务提供完整解决方案。

（来源：实测图）

当给到 Qwen3-Max-Thinking 一个名为“社区生活情境推理”的常识推理任务时，它给出了两千多字的回答，在这一回答中它根据线索开展了常识分析，给出了逐步重建的核心常识，并进行了超越表面问题的深度风险分析。

图 | “社区生活情境推理”的常识推理任务的描述（来源：实测图）

（来源：实测图）

一位名为“MZift”的 X 网友在 Qwen 的 X 推文下表示：“在 AIME 测试中斩获满分着实惊人，即使是阶段性测试也堪称突破。当众人沉迷于 OpenAI 的纷争时，Qwen 正在悄然蓄力。中国 AI 实验室的崛起之路，果然别具一格。”另一位名为“Kenshii”的 X 网友也评论称：“竟能在AlME 2025 这一中期基准测试中拿到满分？这实力着实骇人。”

图 | X 网友评论（来源：X）

但也有网友根据试用体验表达了自己遇到的问题，一位名为“Goutham Rajesh”的 X 网友表示：“我在试用带有‘思考过程’的 Qwen3-Max 时，页面竟然陷入了无限滚动模式，每当生成响应内容，页面便持续地进行递归式自行滚动，直到完全生成内容才会停止。这一现象仅限于 Qwen3-Max 思考模式。”写完这段话，这位网友还艾特了 Qwen 的 X 账号来反馈该问题。

图 | X 网友评论（来源：X）

事实上，这并非阿里的突然发布。11 月 2 日，通义千问负责人林俊旸已经在 X 上预告称：“它来了，你们可以试试。”关于 Qwen3-Max-Thinking 早期预览版，尚未在 Hugging Face 和魔搭等平台开源。目前，用户可以在 Qwen Chat 中免费试体验，也可以在阿里云百炼平台上调用 API。需要说明的是，文本到文本——是 Qwen3-Max-Thinking 早期预览版目前支持的唯一模态。在对外提供 API 服务上，它采用输出限时免费的方式。未来随着训练的进一步开展，阿里也将推出更多版本。

名为“ρ:ɡeσn”的 X 网友已经根据 Qwen 的模型时间给出了推测：“Qwen3-Max 预览版于 9 月 5 日发布，正式指令版于 9 月 23 日亮相，其间相隔 18 天。假如思考模型也遵循这一时间线，那么 Qwen3-Max-Thinking 正式版有望于 11 月 20 日到 11 月 21 日之间亮相。”是否真的如此，或许不久之后即将揭晓。

参考资料：

https://chat.qwen.ai/

阅读 1666