新京报贝壳财经讯（记者罗亦丹）1月26日晚间，阿里正式发布千问旗舰推理模型Qwen3-Max-Thinking，在多项关键性能基准测试中，千问表现超过了GPT-5.2、Claude Opus 4.5 和Gemini 3 Pro等顶尖模型，刷新全球纪录，进一步拓展了人工智能系统的推理性能边界。
通过总参数、强化学习、推理计算的极致规模扩展，千问新模型实现了性能的大幅飞跃，刷新科学知识（GPQA Diamond）、数学推理（IMO-AnswerBench）、代码编程（LiveCodeBench）等多项关键性能基准测试的全球纪录。
具体来看，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，推理性能提升的同时还更经济。业界普遍的推理时计算，只会简单增加并行推理路径，重复推导已知结论，造成冗余推理效率低下；而千问采用的这一新机制，可对此前推理的结果进行“经验提取”式的提炼，并据此进行多轮自我迭代，在相同的上下文中实现更高效的推理计算，获得更智能的推理结果。基于这一推理技术创新，千问推理性能和推理效率大为提升，比如在启用工具的“人类最后的测试”HLE中，千问得分58.3，大幅超过GPT-5.2-Thinking的45.5、Gemini 3 Pro的45.8，录得当前所有模型的最高分。
阿里方面表示，Qwen3-Max-Thinking总参数超万亿，进行了更大规模的强化学习后训练，并通过推理技术的系列创新，最终完成模型性能的大幅飞跃。其还大幅增强了自主调用工具的原生Agent能力，模型可像专业人士一样边用工具边思考。同时，模型幻觉也大为降低，为解决真实复杂任务打下基础。目前，普通用户可通过千问PC端和网页端试用新模型，千问APP也即将接入，所有用户都可免费体验。
编辑 陈莉 校对 杨利
