阿里千问重磅升级：性能对标GPT-5.2、Gemini 3 Pro

1月26日，阿里正式推出千问旗舰推理模型Qwen3-Max-Thinking，在多项权威评测中创造了全球新纪录。其性能表现可与GPT-5.2、Gemini 3 Pro等顶尖模型相媲美，成为迄今为止最接近国际顶尖水平的国内最强AI大模型。

通过极致的总参数量扩展、强化学习训练和推理计算规模提升，千问新模型实现了性能的大幅飞跃。它在科学知识（GPQA Diamond）、数学推理（IMO-AnswerBench）、代码编程（LiveCodeBench）等多个关键性能基准测试中刷新了全球纪录。

Qwen3-Max-Thinking是目前阿里规模最大、能力最强的千问推理模型，其总参数量超过万亿（1T），预训练数据量高达36T Tokens。

此前，预览版Qwen3-Max-Thinking就已在数学推理测试AIME 25和HMMT 25中斩获国内首个双满分，其推理能力令人惊艳。在此基础之上，阿里通义团队进行了更大规模的强化学习后训练，全面提升了正式版Qwen3-Max-Thinking的性能。

在涵盖事实知识、复杂推理、指令遵循、人类偏好对齐、Agent能力等19个公认的大模型基准测试中，千问旗舰推理模型刷新了多项最佳表现（SOTA）纪录，整体性能足以比肩GPT-5.2-Thinking-xhigh、Claude Opus 4.5和Gemini 3 Pro。

在关键的模型推理能力提升方面，千问新模型采用了一种全新的测试时扩展机制，在提升推理性能的同时也更加经济高效。

业界普遍的推理时计算，只是简单地增加并行推理路径，重复推导已知结论，导致推理效率低下。而千问采用的这一新机制，可对此前推理的结果进行“经验提取”式的提炼，并据此进行多轮自我迭代，在相同的上下文中实现更高效的推理计算，获得更智能的推理结果。

基于这一推理技术创新，千问的推理性能和推理效率均显著提升。例如，在启用工具的“人类最后的测试”HLE中，千问获得58.3分，大幅超过GPT-5.2-Thinking的45.5分和Gemini 3 Pro的45.8分，创下了当前所有模型的最高分纪录。

面向即将到来的智能体时代，Qwen3-Max-Thinking还大幅增强了自主调用工具的原生Agent能力。

具体而言，在完成初步的工具使用微调后，通义团队对模型进一步在大量多样化任务上进行了基于规则奖励与模型奖励的联合强化学习训练，使得Qwen3-Max-Thinking拥有更智能地结合工具进行思考的能力。

这种自适应的工具调用能力可在QwenChat上完整体验。模型自主选用搜索、个性化记忆和代码解释器等三个核心的Agent工具功能，提供如专业人士水平的回答，更合用户心意、更智能、更流畅；同时，模型的幻觉也大为降低，为解决真实复杂任务打下基础。

目前，开发者能在QwenChat上免费体验Qwen3-Max-Thinking模型，企业可通过阿里云百炼获取新模型API服务，普通用户也可通过千问PC端和网页端试用模型。据了解，千问APP也即将接入新模型，所有用户都可免费体验千问最强模型。