阿里Qwen3-Max思考版预览：数学满分背后竟是token消耗大户

在2025年AIME数学竞赛中，该模型以满分成绩通过测试，其解题过程展现出独特的验证机制。面对压轴题时，系统不仅反复核对答案准确性，还主动调用代码解释器从多角度论证结果。整个推理过程持续了4-5分钟，消耗1.2万至1.5万个token，这种深度思考模式与传统模型形成显著差异。

编程任务测试环节，模型在开发开源项目分享功能的HTML原型时，虽然生成了1417行代码，但页面设计完全符合功能需求。对比测试显示，DeepSeek-V3.2完成相同任务仅需787行代码，这种差异反映出Qwen3-Max-Thinking在代码优化方面仍有提升空间。不过其输出的网页结构清晰，基础功能完整，仅在样式细节上略显不足。

该模型在常识推理测试中同样表现优异，能够准确识别逻辑陷阱。测试人员发现，其回复风格简洁直接，完全聚焦问题核心，这种"去人性化"的交互方式在商务场景中颇具优势。有用户评价称，模型的回复风格更接近专业顾问，避免了情感化表达可能带来的干扰。

目前用户可通过Qwen Chat和阿里云API体验该模型，但需注意其仅支持文本到文本的单一模态。API服务采用限时免费策略，用户可在1024至81920个token的思考预算范围内自主调节，这种设计既控制了计算成本，又保证了推理深度。测试显示，复杂任务消耗的token数量明显高于常规模型，这可能成为大规模应用的主要限制因素。

行业观察者指出，Qwen3-Max-Thinking的定位可能更偏向专业领域，其强大的推理能力在科研、金融分析等场景具有应用潜力。虽然尚未公布完整基准测试结果，但现有表现已引发广泛期待。社交媒体上，用户纷纷询问模型开源时间，特别是能否登陆Hugging Face平台，反映出开发者社区的高度关注。

这款模型作为Qwen3系列的新成员，延续了阿里在大模型领域的技术积累。此前发布的Qwen3系列最大模型参数量已突破万亿规模，此次推理专项模型的推出，标志着阿里在AI技术布局上更加精细化。随着训练进程推进，后续版本有望在效率优化和场景适配方面带来更多突破。