阿里Qwen3-Max版评测：数学满分但推理耗token，性能引期待
日前，阿里推出的Qwen3-Max-Thinking早期预览版在AI领域引发了广泛关注。这款推理模型作为Qwen 3系列的旗舰版本，虽然目前仍处于训练中期阶段，却已在多项高难度基准测试中展现了惊人实力。在AIME 2025数学竞赛和哈佛-MIT数学锦标赛（HMMT）中，该模型凭借工具运用和测试时计算技术，实现了100%准确率的突破性成绩。
该模型的技术细节尚未完全公开，但通义千问团队透露其创新性地融合了思考模式与非思考模式。在Qwen Chat和阿里云平台开放试用后，开发者发现模型在智能体编程、常识推理以及数理科学领域均表现出显著提升。尤为值得注意的是，模型在思考模式下会通过多轮验证确保答案准确性，这一特性在处理复杂问题时尤为突出。
实测数据显示，在面对AIME 2025竞赛压轴题时，Qwen3-Max-Thinking不仅反复验证正确答案，还会主动调用代码解释器从不同角度证明结果。整个推理过程持续约4-5分钟，消耗1.2万至1.5万个token。这种深度推理能力虽然带来较高计算成本，但用户可通过1024-81920个token的可调预算控件进行灵活控制。
在智能体编程任务中，该模型与DeepSeek-V3.2的对比测试颇具看点。当要求开发开源项目分享平台的HTML原型时，Qwen3-Max-Thinking生成的1417行代码虽略显冗长，但完整实现了需求功能。相比之下，DeepSeek-V3.2仅用787行代码就完成了相似任务，显示出不同模型在代码效率上的差异。不过前者在需求分析准确性方面表现更优，生成的网页原型更符合实际使用场景。
目前Qwen3-Max-Thinking仅支持文本到文本的单一模态，且未在Hugging Face等主流平台开源。阿里云API提供的限时免费服务吸引了大量开发者尝鲜，但完整基准测试结果尚未公布。随着训练进程推进，更多版本预计将陆续发布，这款专为高难度推理设计的模型能否在通用场景中保持优势，仍有待进一步观察验证。
热门专题
热门推荐
公安部就电子数据取证规则公开征求意见，拟将网络安全等行政案件纳入适用范围，并规范取证流程与核心概念。新规特别明确了获取密码、调取通讯内容等特殊程序，需经严格审批并保障当事人权利。配套法律文书也同步优化，以构建更规范且注重权利保障的取证体系。
理想L9和LIvis的定价策略刚掀起波澜，小鹏GX的最终价格就给出了更猛烈的回应——从近40万元的预售价直降至27万元起。用小鹏产品矩阵负责人吴安飞的话说，这叫“9系的产品，8系的价格”。 这12万元的下调，效果堪称立竿见影。发布会次日，小鹏集团港股股价一度大涨超8%。更关键的是市场订单：上市12小
5月21日，环塔拉力赛新疆且末赛段大营迎来了一位备受瞩目的访客——知名零售企业胖东来的创始人于东来。他专程前往长城汽车车队营地，与参赛车手及后勤团队进行了深度交流。据悉，于东来此次自驾越野之旅已历时一月，随行车队中包含多款国产越野车型。经过实地驾驶与多维度对比，他对以长城汽车为代表的国产越野车品质给
比特币官方入口在哪里？一个核心门户的权威指南 说起比特币，很多人第一反应是去找它的“官网”或“官方App”。但这里有个关键点需要先理清：比特币本质上是一种去中心化的全球数字货币，它不属于任何一家公司或机构，而是由一个庞大的、遍布全球的社区共同维护。因此，它并没有传统意义上由某个企业运营的“官方网站”
Ring-2 5-1T是什么 在当今大模型技术激烈竞争的赛道上，追求更长的上下文处理能力和更强大的深度推理性能已成为核心焦点。近日，蚂蚁集团旗下的inclusionAI团队重磅开源了Ring-2 5-1T模型，这是一个参数规模高达万亿级别的混合线性思考大语言模型。该模型基于先进的Ling 2 5架构