阿里发布最强AI思考模型 实测体验详解

### Qwen3-Max-Thinking 实测：阿里这波操作，确实有点东西 昨晚正准备收工，阿里突然丢出一枚重磅冲击波：Qwen3-Max-Thinking 正式上线。作为国产模型阵营里的常青树，千问每次更新都值得好好看看。连夜爬起来实测了一轮，今天就把核心发现和真实体验摊开来聊聊。 这次 Max 系列走的是旗舰闭源路线，性能自然更强劲。官方宣称 Qwen3-Max-Thinking 在数学、代码和长逻辑推理上有了质的飞跃，甚至叫板 GPT-5.2 和 Gemini 3 Pro。更关键的是，Agent 能力大幅增强——能像真人一样边用工具边思考，而且幻觉更少。这要接入最近爆火的个人 AI 助手，简直绝配。 先说说这次更新的核心技术亮点，非常实用。 **1. 测试时扩展（Test-Time Scaling）：从"人海战术"转向深度反思** 传统推理增强往往采用并行采样策略，即 Best-of-N，通过生成多条推理路径再投票或打分。这种方式虽然有效，但计算冗余极高，边际效应递减明显。Qwen3-Max-Thinking 采用了"经验累积式迭代"策略：通过"经验提取"机制，将上一轮推理中的关键洞见提炼出来，注入下一轮的上下文。这使得模型能在不增加 Token 消耗量级的情况下，通过自我反思修正错误，收敛至更优解。 简单来说，就好比有些模型解难题，是让 100 个普通学生同时做同一道题，然后看谁的答案对——人海战术，浪费资源且容易集体翻车。而 Qwen3-Max-Thinking 更像一个资深学霸：做题时会先打草稿，发现第一步思路不对，立刻总结教训，换个思路继续推导，直到解出答案。不是一直试错，而是在迭代。 **2. 自适应工具调用：原生 Agent 的肌肉记忆** 大多数模型的工具调用依赖提示词工程——告诉模型你有某某工具，能干什么，请使用它。Qwen3-Max-Thinking 则通过大规模的强化学习后训练，将工具调用内化为模型的原生能力。它不再需要显式的触发指令，而是基于对任务复杂度的感知，自主决策何时挂起推理、调用搜索获取实时信息、或调用 Python 解释器进行精确计算。这种边想边做的能力，大幅降低了幻觉，也进一步提升了解决真实世界复杂任务的能力。 **3. 极致的生态兼容：可丝滑接入 Claude Code** 这一点对开发者至关重要：Qwen3-Max-Thinking 不仅兼容 OpenAI 协议，更原生兼容了 Anthropic API 协议。这意味着它可以丝滑接入 Claude Code，只需修改 API 地址和 API Key。现在 Qwen3-Max-Thinking 可以在网页使用，也可以通过 API 使用。 接下来，老规矩，直接上实测。名字有点长，下文就用 Qwen 或 Qwen3 代替。 ### 1. 网文圈：《校花的贴身高手》 由于联网搜索已经自动整合进深度思考（由 Agent 自行判断是否需要联网），所以只需要打开深度思考即可。这是一部连载了十多年的网络小说，从初中到大学毕业，从乔布斯 iPhone 时代到 LLM 时代，无数人还在追更。书中剧情有一个关键节点：登上天阶岛。问 Qwen 是否能正确找到。 有意思的是，查看思维链，可以发现 Qwen3-Max-Thinking 会有意识地交叉对比不同结果，防止被干扰，并给出章节不同的原因和结论，让人感觉非常可靠。去 QQ 阅读 APP 核实了一下，答案是正确的。 接下来尝试让 Qwen3-Max-Thinking 用代码画个图，看看在超过 2000 万字的小说中找到主角实力晋升的曲线。在思维链中，它意识到两千万字还是太多了，这个任务无法完成，但基于意图，还是找到了具有代表性的章节和晋升节点，画了出来，完成了任务。 ### 2. （斩杀线热梗）逻辑陷阱 斩杀线最近非常火。给 Qwen3 造了一个逻辑陷阱，和豆包进行对比。问题很简单："牢a是大a股买进去之后在坐牢吗"。Qwen3 完全正确，一下子就意识到这是一个人的网名，并告诉这是常见的误解。仔细看思维链，能发现 Qwen 搜索了 X 和 Facebook，而豆包似乎都没触发网络搜索。这局 Agent 能力又赢了。 ### 3. 和 Gemini 3 Pro 比较电影测评 考验在海量信息中搜索真相的能力。前两天《重返寂静岭》上映，第一时间去看了，没想到是烂片。剧情莫名其妙，前面两个女生一个在刷小红书，一个在玩微信小游戏。试试 AI 搜索到的结果是否符合真实体验。 先试了 Gemini 3：根本没提到最新上映的《重返寂静岭》，而且搜索结果似乎自相矛盾了，《阿凡达》同时出现在"值得一看"和"建议避雷"里。 再试 Qwen 3：交给 Agent 自动判断是否需要网络查询，所以只要打开深度思考就好。Qwen3-Max 的表现非常到位，和实际观影体验完全吻合——每一场都在电影院看过了，AI 的评价居然和自己一样。这些影评非常真实。 点开思维链仔细看，可以见到在 Qwen 3 内置 Agent 的调度下，一边搜索、整理，又搜索、又整理，经过几轮整理才有了最后的准确答案。并且思维链中可以逐一查看被搜索过的每一个影评网站，能点击进去浏览。把海量信息汇总并找到正确信息，确实不错。 ### 4. 记忆（功能上新，类似 ChatGPT 和 Gemini） 这次千问也终于有了记忆。点击头像，就能在设置里面打开或关闭记忆。做了一个场景预设测试：假如我是一个高考生，平时爱和 AI 聊自己喜欢的事情。那么到了高考报志愿的时候，Qwen 就能根据以往所有的聊天偏好，进行分析，找到最适合的专业。（新开一个聊天窗口进行测试）。不给任何上下文信息，直接问适合什么专业，Qwen 3 的回答是正确的。因为就是本人的真实经历，非常认同 AI 的判断。 ### 5. 视频总结（支持上传十分钟以内的视频） 大概十秒钟，总结很顺利，比以前快多了。查看思维链，可以见到一步步梳理脉络。 ### 6. 预测 26 年春晚，具身智能机器人表演到什么程度 时光匆匆又一年，年味渐浓。2026 年春晚，宇树科技将第三次登上春晚舞台。去年具身智能机器人表演的是《秧BOT》，今年又会进展如何？让 Qwen3 预测一下。到时候看预测得准不准，春晚就揭晓。 ### 7. 公务员真题图形推理题 纯图形题目对于只有文字输入的大模型来说是无解的。但这次 Qwen 3 Max 可以上传视频，来看看实力如何。这是一道公务员考试真题：如何判断一道好题——每个人看了答案都会觉得很简单，但让你自己在考场做，就是做不出来。这样的题目考验的正是公务员在为人民服务过程中办理实事、处置突变事项、临场判断的综合素质，而不是悠哉坐在办公室里的马后炮。正强如 Gemini 3 Pro 也做不出来，但 Qwen 3 Max 却做出来了。 点开思维链，看 Qwen 3 Max 如何思考：结构化思考完全就是一位真实的公务员考生——先是分析图形变化规律，再尝试推导逻辑关系，发现找不到规律后，返回上一层重新思考图形规律，最后找到正确思路。最后一句（注：）实为画龙点睛之笔。一年几百万公务员考生不断刷题、报班、看课，就是为了找到题型规律。而 Qwen 3 轻轻说出这一句，于无声处听惊雷，意味着已经完全把公务员考试的出题逻辑尽在掌握。 Gemini 3 Pro 思考了接近 4 分钟后，不仅被这道题目逼出母语英文，还给出了错误答案。一度接近正确思路，但不知为何突然开始混乱了，也许还没有懂得公务员考试的出题套路。 ### 代码类：会喷火的旋转六边形小球 代码能力似乎并没有那么完美。试了一下 GLM4.7 能顺利跑出来的 case，Qwen 3 还是有瑕疵。优点是，Qwen 3 自动帮我考虑到了可调节参数，能调节旋转速度、重置位置、暂停旋转等，下面还有参数显示。缺点是，明显还有缺陷——小球会喷火。 ### 写在最后 虽然 Qwen3-Max-Thinking 在代码场景下还有瑕疵，但整体表现还是非常不错的。特别是在逻辑推理、信息检索和中文语境的理解上，它给人的感觉非常扎实。不知道 Qwen 在春节还有没有什么压箱底的大招再放出来，可以一起期待一下。毕竟阿里的技术实力还是相当强劲的。