1月26日，阿里巴巴正式推出全新旗舰推理模型——千问Qwen3-Max-Thinking。该模型在多项国际权威评测中创下全球新纪录，综合能力达到当前国内大模型的最高水平，整体表现接近国际一线模型。
Qwen3-Max-Thinking总参数量超1万亿（1T），预训练数据达36万亿Tokens，是目前阿里参数规模最大、能力最强的推理模型。它在科学知识（GPQA Diamond）、数学推理（IMO-AnswerBench）、代码生成（LiveCodeBench）等关键基准测试中均刷新全球最好成绩。
在涵盖事实准确性、复杂逻辑推理、指令理解、人类偏好对齐、智能体（Agent）能力等19项主流评测中，该模型取得多项世界领先成绩，综合表现与GPT-5.2-Thinking-xhigh、Claude Opus 4.5和Gemini 3 Pro相当。
此次升级的核心在于一种新型“测试时扩展”机制：不同于传统简单增加并行路径的做法，Qwen3-Max-Thinking能从已有推理结果中提取经验，并进行多轮自我优化，在相同输入下实现更高效、更精准的推理。例如，在强调工具调用能力的“人类最后的测试”（HLE）中，其得分为58.3，显著高于GPT-5.2-Thinking的45.5和Gemini 3 Pro的45.8，为当前所有公开模型中的最高分。