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。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
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
速览攻略：世界圣羽翼王核心打法与全面解析 本攻略将为你完整呈现《洛克王国》世界圣羽翼王的通关秘籍，深度剖析两种高效实战打法：追求极致速度的“燃薪虫四回合速通”与稳定输出的“酷拉无限连击流”。文章将进一步解析这位翼系精灵王的技能机制、属性克制关系及其在PVE与PVP中的实战定位，帮助你彻底掌握应对其隐
速览：工程系统核心机制解析 在《异种航员2》中，工程系统是整个抵抗力量赖以运转的“战略后勤中枢”。无论是研发新武器、生产重型装甲还是制造先进飞行器，所有实体装备的产出都依赖于此。简言之，该系统的核心运作围绕着两大关键：工程师人力的高效配置与全球稀缺资源的精细化调度。工程师的数量直接决定了每个项目的建
核心速览 在《洛克王国世界》中，治愈兔是一位兼具功能性任务角色与实战辅助能力的精灵。它的价值不仅在剧情推进中体现，更在于对战里出色的治疗与防护表现。本文将为你全面解析治愈兔的精准获取位置、种族属性特点以及实战技能搭配，助你顺利捕捉并最大化其在队伍中的作用。所有关键信息将通过清晰的图文内容详细展示，确
速览 在《红色沙漠》中，挑战传说之狼这一强大的任务BOSS，需要玩家进行充分的准备并遵循完整的任务流程。整个过程环环相扣，你必须首先参与塞莱斯特家族的势力任务，通过完成任务将家族声望提升至指定等级，才能解锁【传说之狼】的专属讨伐任务，最终直面这个传说中的强大生物。 红色沙漠传说之狼怎么打 归根结底，
【宝可梦Pokopia】舒适度全解析：快速提升环境等级的核心秘诀 你是否正在探索《宝可梦Pokopia》世界，并希望有效提升宝可梦栖息地的舒适度？舒适度不仅是衡量宝可梦快乐程度的晴雨表，更是解锁游戏核心内容、加速发展的关键驱动指标。本攻略将系统性地为你揭示提升舒适度的核心途径，涵盖从装饰栖息地、建造