那个用半成品刷爆SOTA的Qwen3超大杯推理版，现在正式上线

鱼羊 发自 凹非寺
量子位 | 公众号 QbitAI

新一年的基础模型竞逐，没想到是阿里千问率先出手了！

就在刚刚，Qwen3-Max-Thinking正式版突然发布，当即刷新全球SOTA：

在涵盖科学知识、数学推理、代码编程的19项权威基准测试中，赶上甚至超越GPT-5.2-Thinking、Claude-Opus-4.5和Gemini 3 Pro等TOP闭源模型。

p.s. 此前这一超大杯推理模型的“早期预览版”，已经在AIME 25和HMMT 25（哈佛-MIT数学竞赛）中达到100%的准确率。

量子位了解到，完全体的Qwen3-Max-Thinking总参数超万亿（1T），预训练数据量高达36T Tokens，并且进行了更大规模的强化学习后训练。

核心技术方面，通过引入自适应工具调用和测试时扩展两项技术创新，Qwen3-Max-Thinking的推理性能和调用工具的原生Agent能力都有显著提升。

千问APP PC端和网页端已经第一时间上新这一Qwen系列最强模型，现在即可免费体验。API（qwen3-max-2026-01-23）也已开放。

Qwen3超大杯推理版实测

话不多说，Qwen3超大杯推理版到底有多强，我们直接来看效果。

代码能力

现场写一个小游戏，对大模型们来说早已不是难事，什么贪食蛇、flappy bird基本都能轻松搞定。

如果再加上一点难度，让Qwen3-Max-Thinking在网页小游戏里加上手势识别呢？

• 创建一个基于浏览器的气球射击游戏，使用天空背景，并通过摄像头跟踪用户的手部动作来控制屏幕上的指针。

还真能work！并且在prompt的指导下，细节也都到位：

瞄准动作下，屏幕左上方会显示“瞄准中”的状态；双指捏合触发射击时，能瞬间转换“射击！”提示；如果手出框了，还会出现红色高亮提醒。

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

再来一手经典难度题：鹈鹕骑自行车。

• An animated SVG of a pelican riding a bicycle.

emmm…谈不上完美，但鉴于给出的提示词比较简略，至少确实是那么个意思了（doge）。

工具调用

此次更新，官方重点强调了两方面的能力提升：推理能力和自主调用工具的原生Agent能力。

刚好最近在关注内存涨价这事儿，不妨让Qwen3-Max-Thinking直接帮我们分析一波，写份研报。

提示词：

• 最近内存价格疯涨，帮我分析下哪些股票受到了影响，画出相关股价走势

从侧边栏显示的思考细节可以看到，Qwen3-Max-Thinking先是自主上网收集好了资料，然后调用代码解释器做起了数据分析和绘图，就像人类一样是边用工具边思考的。

不到1分钟时间，一份囊括涨价原因、受益/受损产业分析、下一阶段存储芯片产业走势的完整报告，就新鲜出炉了。

技术解析

在模型上线的同时，阿里千问团队也通过官方技术博客，透露了Qwen3-Max-Thinking的不少技术细节。

技术博客提到，Qwen3-Max-Thinking在事实知识、复杂推理、指令遵循、人类偏好对齐以及智能体能力等评估维度上都实现了显著提升。

背后有两项核心创新：

• 自适应工具调用能力，可按需调用搜索引擎和代码解释器；
• 测试时扩展技术（Test-Time Scaling），显著提升推理性能。

来看具体细节。

自适应工具调用

与早期需要用户手动选择工具的方法不同，通过引入自适应工具调用，Qwen3-Max-Thinking能在对话中自主选择并调用其内置的搜索、记忆和代码解释器功能。

比如，搜索《醉翁亭记》全文，并调用代码解释器把所有的“也”替换成“喵”。

最终的完成效果如下：

在此背后，阿里千问团队专门设计了一套训练流程：

在完成初步的工具使用微调后，模型在多样化任务上使用基于规则和模型的反馈来做进一步训练。

实验表明，搜索和记忆工具能有效缓解幻觉，提供实时信息访问，并支持更个性化的回复。代码解释器允许用户执行代码片段，并应用计算推理来解决复杂问题。

测试时扩展技术

测试时扩展是指在推理阶段分配额外计算资源，以提升模型性能的技术。

阿里千问团队提出了一种经验积累式、多轮迭代的测试时扩展策略。

不同于简单增加并行推理路径数量N（这往往会导致冗余推理），研究团队限制N并将节省的计算资源用于由“经验提取”机制引导的迭代式自我反思。

这样做的好处在于，模型不会推理着推理着又绕回到已经得出的结论上去，疯狂废话浪费token，而是会专注于未解决的不确定性。

更关键的是，相比于直接引用原始推理轨迹，该机制实现了更高的上下文利用效率，在相同上下文窗口内能更充分地融合历史信息。

实验证明，在大致相同的token消耗下，该方法优于标准的并行采样与聚合方法，推理性能和推理效率大幅提升。

比如，在启用工具的“人类最后的测试”HLE中，Qwen3-Max-Thinking得分58.3，超过GPT-5.2-Thinking的45.5，以及Gemini 3 Pro的45.8，刷新SOTA。

在IMO难度级别的数学能力测试基准IMO-AnswerBench上，Qwen3-Max-Thinking也以91.5的成绩拿下全场最高分。

中国开源持续席卷世界

意料之中，2026年的第一个重量级模型更新，再次来自中国。

而有些意料之外但也在情理之中的是，这一次率先出手的，是阿里千问。

根据MIT-Hugging Face数据，在全球22亿次模型下载行为之中，中国开源AI模型的采用份额已经跃升至17.1%，超过了美国的15.8%。

在过去一年内新发布的模型中，中国模型的下载量稳居第一。

在其中，从迭代频率、下载量和社区影响力来看，千问系列拔得头筹。

Hugging Face的最新数据显示，阿里千问系列衍生模型数量突破20万个，成为全球首个达成此目标的开源大模型。同时，千问系列模型下载量突破10亿次，平均每天被下载110万次，完全超越Llama，实际上已经成为全球AI开源界的新标杆。

值得关注的是，在飞快壮大自身开源、顶级模型影响力的同时，阿里也已在实践中揭示了2026年模型厂商的新着力点——

将顶尖模型能力和应用生态体系做更深入的结合。

日前，千问APP已全面接入淘宝、支付宝、淘宝闪购、飞猪、高德等阿里生态业务。

可以预见的是，2026基础模型还将持续增强，并且更深入地与各个垂直领域、与实际生活相结合，在落地实践中展现更多应用的可能。

第一炮已经打响，期待中国开源延续2025年的势头，持续给世界带来新惊喜~

官网地址：
https://chat.qwen.ai/

— 完 —