阿里正式推出千問旗艦推理模型Qwen3-Max-Thinking，該模型在事實知識、復雜推理、指令遵循、人類偏好對齊及智能體能力等關鍵維度實現突破性進展。在19項權威基準測試中，其性能表現與GPT-5.2-Thinking、Claude-Opus-4.5等國際頂尖模型持平，部分指標甚至實現超越。
這款總參數規模超萬億的模型通過三項核心創新實現性能躍升：其一，采用更大規模的強化學習后訓練策略；其二，引入推理技術系列創新；其三，構建自適應工具調用體系。在科學知識（GPQA Diamond）、數學推理（IMO-AnswerBench）和代碼編程（LiveCodeBench）等專項測試中，該模型刷新多項SOTA紀錄，其中數學推理得分較前代提升12.3%，代碼生成準確率提高9.7%。
模型最引人注目的突破在于原生Agent能力的進化。通過自主調用搜索引擎、記憶模塊和代碼解釋器，Qwen3-Max-Thinking可像專業人士般實現"思考-工具調用-再思考"的閉環流程。在金融分析場景中，模型能自動檢索實時市場數據，調用Python解釋器進行復雜計算，最終生成包含可視化圖表的深度報告。這種能力使模型在處理真實復雜任務時的幻覺率降低67%，用戶滿意度提升41%。
技術團隊提出的測試時擴展技術（Test-Time Scaling）構成另一重要創新。該技術通過動態分配推理階段計算資源，在保持相同token消耗的前提下，使模型在關鍵基準測試中的表現顯著提升：GPQA得分從90.3增至92.8，LiveCodeBench v6從88.0提升至91.4。這種迭代式自我反思機制通過提取歷史推理經驗，避免重復計算，在相同上下文窗口內實現更高效的信息融合。
目前，用戶可通過Qwen Chat平臺（chat.qwen.ai）直接體驗模型交互功能，開發者則可調用開放API（模型名稱：qwen3-max-2026-01-23）進行二次開發。阿里云百煉平臺同步上線該模型（https://bailian.console.aliyun.com/cn-beijing/?tab=model#/model-market/detail/qwen3-max-2026-01-23），提供從模型調用到應用部署的全鏈路支持。
自適應工具調用體系經過特殊訓練流程打造：在完成基礎工具使用微調后，模型通過規則反饋和模型反饋的混合訓練模式，在多樣化任務場景中持續優化工具選擇策略。實驗數據顯示，該體系使搜索工具使用頻率提升3倍，代碼解釋器調用準確率達到92%，在處理需要多工具協同的復雜任務時，任務完成率較前代提高58%。
