阿里Qwen3-Max-Thinking旗舰推理模型发布，性能比肩GPT-5.2

1月26日消息，北京某科技媒体发布报道称，阿里巴巴于今日晚间正式推出了其千问旗舰推理模型的最新升级版本——Qwen3-Max-Thinking。官方资料显示，该模型在多个核心维度实现了显著突破，其增强的能力涵盖事实知识、复杂推理、指令遵循、与人类偏好对齐以及智能体能力等多个方面。在19项权威基准评估中，其整体表现已可与GPT-5.2-Thinking、Claude-Opus-4.5及Gemini-3-Pro等国际顶尖模型相媲美。

据悉，全新的千问模型总参数量已超万亿级别，在经过更大规模的强化学习训练后，结合一系列推理技术创新，最终实现了模型性能的大幅跃升。在多项关键性能基准测试中，Qwen3-Max-Thinking不仅巩固了自身优势，还大幅增强了调用工具的原生智能体能力。该模型现在能够像专业人士一样，在思考过程中灵活运用工具，从而给出更符合用户心意、更智能、更流畅的回应。与此同时，模型的幻觉现象也大为降低，这为处理真实世界的复杂任务奠定了坚实基础。

根据最新发布的技术简报，Qwen3-Max-Thinking刷新了多项业界最佳表现记录，尤其在科学知识、数学推理、代码编程等关键基准测试中表现卓越，达到了国际领先水平。

目前，Qwen3-Max-Thinking已上线至Qwen-Chat平台，用户可直接与模型及其自适应工具调用功能进行交互。同时，其应用程序接口也已面向开发者开放。

媒体补充体验信息：

据相关技术资料了解，Qwen3-Max-Thinking拥有两项核心创新。

一是自适应工具调用能力，能够根据需求调用搜索引擎和代码解释器，现已上线；二是测试时扩展技术，能够显著提升推理性能，在关键推理基准上超越了Gemini-3-Pro。

最新技术介绍详情如下：

自适应工具调用能力 与早期需要用户手动选择工具的方式不同，Qwen3-Max-Thinking能够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。该能力源于一个专门设计的训练流程：在完成初步的工具使用微调后，模型在多样化任务上使用了基于规则和模型的反馈进行了进一步训练。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。这些功能共同提供了流畅且强大的对话体验。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。我们提出了一种经验累积式、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（这往往导致冗余推理），我们限制N并将节省的计算资源用于由“经验提炼”机制引导的迭代式自我反思。该机制从过往推理轮次中提炼关键洞见，使模型避免重复推导已知结论，转而聚焦于未解决的不确定性。关键在于，相比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。在大致相同的token消耗下，该方法持续优于标准的并行采样与聚合方法。