当前，大规模语言模型的推理能力已成为衡量其综合水平的重要指标。阿里巴巴通义团队近日发布千问旗舰推理模型Qwen3-Max-Thinking，并这个方向取得新进展。该模型总参数量超过一万亿，预训练数据量达36万亿Tokens，反映了国内大模型技术的最新探索。 从性能看，Qwen3-Max-Thinking在19项主流大模型基准测试中取得多项最好成绩。在启用工具的“人类最后的测试”中——模型得分58.3——明显高于国际同类产品，显示出其在复杂推理任务上的优势。尤其在数学推理上，预览版已AIME 25和HMMT 25上获得国内首个双满分。 推理能力的提升，来自训练与推理机制上的改进。传统方法常通过简单增加并行推理路径来“堆”结果，容易出现重复推导、效率偏低等问题。通义团队引入新的测试时扩展机制，通过对阶段性推理结果进行“经验提取”式提炼，支持多轮自我迭代，在相同上下文中实现更高效的推理计算。该机制在提升推理效果的同时降低了计算开销，兼顾性能与成本。 在强化学习训练上，通义团队进行了大规模后训练优化，采用规则奖励与模型奖励相结合的联合强化学习，使模型在事实知识、复杂推理、指令遵循、人类偏好对齐等维度实现整体提升。同时，模型幻觉问题也得到明显改善，为实际应用提供了更稳定的基础。 面向即将到来的智能体时代，Qwen3-Max-Thinking深入增强了原生工具调用能力。模型可根据任务需要自适应选择搜索、个性化记忆、代码解释器等核心工具，在处理复杂任务时输出更接近专业水准的结果。这一能力提升有助于解决真实场景中的复杂问题，也为应用边界的拓展提供了支撑。 从推广与使用看，阿里已搭建多层次体验与服务渠道：开发者可在QwenChat免费体验，企业用户可通过阿里云百炼获取API服务，普通用户可通过千问PC端、网页端及即将上线的千问APP试用。较为开放的策略有助于加快落地进程，并推动生态建设。
大模型正从“能回答”迈向“能推理、会执行”，决定性因素不只是规模，更在于推理效率、对齐可靠性以及工具协同的可控性；此次新模型发布并开放体验，反映出国内企业在核心能力上的持续投入与加速推进。面向未来，谁能在效率、可靠性与产业落地之间取得更好平衡，谁就更有机会在新一轮技术与应用竞速中掌握主动权。