阿里Qwen3-Max-Thinking：国产首个Gemini 3挑战者

国产科技再进一步，首个国产版Gemini 3——阿里Qwen3-Max-Thinking，已经到来。

1月26日，阿里巴巴正式揭晓了其千问旗舰推理模型Qwen3-Max-Thinking。这一模型以其强大的性能和创新的技术，吸引了全球的关注。

据官方介绍，Qwen3-Max-Thinking的参数规模超过万亿，预训练数据量更是达到了惊人的36T Tokens。在多个权威评测中，包括科学知识（GPQA Diamond）、数学推理（IMO-AnswerBench）以及代码编程（LiveCodeBench），它都刷新了全球纪录。尤为值得一提的是，在数学推理领域的AIME 25和HMMT 25评测中，Qwen3-Max-Thinking取得了国内首个双满分的佳绩。在被誉为“人类最后的测试”的HLE评测中，其得分高达58.3，大幅超越了GPT-5.2-Thinking的45.5和Gemini 3 Pro的45.8。

更为关键的是，Qwen3-Max-Thinking的发布时间正值AI领域各大厂商蓄势待发的关键时刻。阿里选择在这个时间点推出Qwen3-Max-Thinking，显然意在争夺“国产第一个Gemini 3”的称号。

尽管榜单数据令人瞩目，但Qwen能否真正与Gemini 3相媲美？

在几次尝试使用Qwen生成代码后，我发现前几次任务失败率颇高。然而，一旦任务落在阿里擅长的领域，如构建电商网站，其表现便截然不同。从商品分类、加入购物车到结算功能，Qwen几乎一次就能完成，且逻辑完整、体验流畅。这得益于电商领域是阿里擅长的场景，淘宝和天猫的数据为其提供了丰富的训练资源。

但对于其他类型的任务，成功率则显得不够稳定。如果你的需求恰好落在其“舒适区”内，体验自然更佳；若偏离了这一点，可能需要多次尝试和调整提示词。

我还特别测试了一个更复杂的交互案例：用摄像头进行体感控制的打气球游戏。该游戏由Gemini 3在展示时曾作为经典demo。具体需求包括：通过手势控制屏幕上的准星，用捏合动作（拇指和食指并拢）射击从下往上飘的气球，并具备天空背景、云层漂移、击中特效及连击反馈等细节。

千问的表现让我略感意外。整个游戏的框架它一次就搭建完成：天空渐变背景、气球从底部生成并往上飘、大小不同速度不同、UI显示分数和连击数等基础逻辑均没有问题。

交互效果做得颇为有趣。伸出食指时，屏幕上的准星会跟随手部移动；拇指和食指捏合即可开火。击中气球的瞬间，屏幕会轻微震动；气球爆开时伴有粒子特效和“啵”的一声音效；连续击中会显示combo数字——这种即时反馈确实增强了游戏的代入感。

然而在实际操作中却存在一个明显的问题：瞄不准。手指明明对准了一个气球，但准星位置总是偏的；需多次尝试才能碰巧打中。这可能是由于手部追踪与屏幕坐标映射之间存在偏差或校准算法不够精确。尽管Qwen成功实现了体感控制的完整流程——包括摄像头调用、手势识别及射击反馈等环节——但核心的“指哪打哪”精度不足，影响了游戏性。

不过，千问此次最引人注目的并非其庞大的参数规模而是其“思考方式”的变革。在关键的模型推理能力提升中千问新模型采用了一种全新的测试时扩展（Test-time Scaling）机制在提升推理性能的同时还更加经济。

打个比方以前的AI做数学题是这样的：同时写出10份答案然后投票看哪个正确率高就选哪个。这种方法既浪费算力又可能犯同样的错误。

而Qwen3则采用了人类的做法：先做一遍看看哪里不对总结经验后再重做。这就像你做错题本一样第二遍肯定优于第一遍。结果是在需要使用工具解决问题的测试中Qwen拿了58.3分而Gemini只有45.8分差距明显。

在调用工具层面千问的做法是将工具使用能力“训练进”模型里在完成初步的工具使用微调后通义团队对模型进一步在大量多样化任务上进行了基于规则奖励与模型奖励的联合强化学习训练使得Qwen3-Max-Thinking拥有更智能地结合工具进行思考的能力。

它采用三步训练法：先教会使用工具再在各种任务中强化练习最后形成条件反射。这种方法的优势显而易见：使用起来既快速又顺畅无需每次都阅读工具说明书；而且模型自己知道何时使用何种工具。这就是为什么在HLE测试中Qwen比Gemini高出12分特别是在需要连续使用多个工具解决复杂问题时这种“肌肉记忆”优势就体现出来了。

相比之下Gemini遵循的是传统软件工程的路子：模型只负责理解你要做什么具体调用工具则依靠外部API框架。这样做最大的好处是灵活：比如Google想接入沃尔玛的购物功能无需重新训练模型只需插入一个API即可。但代价是每次使用工具都要经历“理解意图—翻译成API调用—执行—解析结果”这一整套流程既慢又容易出错。

千问的代码生成能力已超越单纯的“语法翻译器”更像一位理解你意图的技术伙伴。它不仅能将需求转化为可运行的代码还具备工程直觉：知道何时优化性能、何时简化实现以及何时添加容错机制。

这种“度”的把握正是AI从“工具”走向“协作者”的关键跃迁。