阿里巴巴推出通義千問 Qwen3-Max-Thinking HLE 評測超越 GPT 5.2

阿里巴巴正式發布通義千問 Qwen3-Max-Thinking，其 HLE 基準測試成績超越 GPT 5.2，基於 Qwen 的衍生模型吸引累積下載破 10 億次，展現其在大模型競爭中的實力。
阿里巴巴稍早公布其迄今最強的旗艦推理模型「Qwen3-Max-Thinking」，這款參數規模突破萬億等級的巨獸，不僅宣稱在多項權威評測中擊敗OpenAI的GPT-5.2-Thinking與Google Gemini 3 Pro，更在被視為「人類最後測試」的HLE評測中創下全球最高分。

HLE評測狂勝10分，推理能力成最大亮點

Qwen3-Max-Thinking最大的賣點在於其強大的「深度推理」 (Reasoning)能力。根據阿里巴巴公佈數據，該模型使用多達36T Tokens規模的預訓練數據，並且在19項公認基準測試中表現優異。

其中最受矚目的是在HLE評測中，Qwen3-Max-Thinking拿下了58.3的高分，大幅領先GPT-5.2-Thinking (45.5 分)與Gemini 3 Pro (45.8 分)。在AI評測領域，超過10分的差距通常被視為「代際級」的領先，顯示其在解決複雜數學、邏輯與多步驟任務上的實力。

獨家「經驗提取」機制，讓AI越想越聰明

為什麼能這麼強？核心在於阿里採用的全新「測試時擴展」 (Test-time Scaling)機制。

不同於傳統方法只是單純增加推理路徑 (暴力窮舉)，Qwen3-Max-Thinking導入「經驗提取」技術。它能識別、去除冗余的邏輯路徑，將算力集中在最有價值的思考分支上，不僅讓推理效率大幅提升，更降低企業應用成本。

此外，針對AI代理 (AI Agent)應用，新模型強化自主調用工具的能力，不再只是透過單純的對話互動，而是能主動判斷何時該聯網搜索、何時該寫程式碼或查閱知識庫，大幅降低模型「幻覺」問題。

超越Llama成為全球開源新霸主

除了技術突破，Qwen在開源生態的成績也相當驚人。根據Hugging Face數據，基於Qwen的衍生模型數量已突破20萬個，累計下載量超過10億次，日均下載量達110萬次。這意味著Qwen已經超越Meta的Llama系列，成為全球開發者首選的開源大模型基座。

目前，開發者已可在QwenChat上免費體驗Qwen3-Max-Thinking，企業用戶則可透過阿里雲百煉平台調用API。

分析觀點

Qwen3-Max-Thinking的出現，證明中國在「大模型推理」 (Reasoning Models)這條賽道上，已經具備與矽谷巨頭平起平坐、甚至超車的實力。

特別值得關注的是「測試時擴展」技術的應用。過去我們認為AI的能力主要取決於「預訓練」 (Pre-training)的規模，但現在戰場已經轉移到「推理時」 (Inference-time)的計算效率。

阿里巴巴透過最佳化思考路徑來提升效能，這對於商業落地來說至關重要，因為企業需要的是「既聰明又便宜」的AI，而不是只會燒錢的實驗品。

另一方面，Qwen在開源界的統治力，正在為阿里構建一道深不可測的護城河。當全球數百萬開發者都習慣使用Qwen架構開發應用時，這將反過來推動阿里雲的基礎設施成長。就像當年的Android一樣，誰掌握了開發者生態，誰就掌握AI時代的話語權。