千問版Gemini3，來了

作者 ｜ Yoky
郵箱 ｜ yokyliu@pingwest.com

第一個國產(chǎn)版Gemini3，來了。

1月26日，阿里正式發(fā)布千問旗艦推理模型Qwen3-Max-Thinking。

據(jù)介紹，Qwen3-Max-Thinking總參數(shù)超萬億、預(yù)訓(xùn)練數(shù)據(jù)量高達36T Tokens，在科學(xué)知識（GPQA Diamond）、數(shù)學(xué)推理（IMO-AnswerBench）、代碼編程（LiveCodeBench）等多項權(quán)威評測中刷新了全球紀(jì)錄。它在數(shù)學(xué)推理AIME 25和HMMT 25上拿到了國內(nèi)首個雙滿分，甚至在“人類最后的測試”HLE中得分58.3，大幅超過GPT-5.2-Thinking的45.5和Gemini 3 Pro的45.8。

更關(guān)鍵的是時間點。如果你最近關(guān)注AI圈，會發(fā)現(xiàn)各家大模型廠商都在憋大招，阿里搶在這個節(jié)骨眼上發(fā)布Qwen3-Max-Thinking，擺明了就是要搶“國產(chǎn)第一個Gemini 3”的名號。

榜單數(shù)據(jù)再好看，到底能不能媲美Gemini3？

試了幾次Qwen生成代碼，前幾次任務(wù)失敗率還挺高的，但只要碰到阿里擅長的場景，表現(xiàn)就完全不一樣。比如讓它做一個賣水果的電商網(wǎng)站，商品分類、加購物車、一起結(jié)算這些功能，基本一次就寫出來了，而且邏輯很完整，體驗也流暢。很明顯，電商這種場景它見得太多了，淘寶天貓的數(shù)據(jù)喂得夠飽，所以做起來特別順手。

但換成其他類型的任務(wù)，成功率就不太穩(wěn)定了。如果你的需求正好在它的舒適區(qū)里，那體驗確實要相對好；如果偏離了，可能得多試幾次調(diào)整提示詞。

我還專門測試了一個更復(fù)雜的交互案例：用攝像頭做體感控制的打氣球游戲，這也是Gemini 3展示過的經(jīng)典demo。具體需求是：用手勢控制屏幕上的準(zhǔn)星，做捏合動作(拇指和食指并攏)來射擊從下往上飄的氣球，還要有天空背景、云層漂移、擊中特效、連擊反饋這些細(xì)節(jié)。

千問的表現(xiàn)讓我有點意外。整個游戲的框架它一次就搭出來了：天空漸變背景、氣球從底部生成往上飄、大小不同速度不同、UI顯示分?jǐn)?shù)和連擊數(shù)，這些基礎(chǔ)邏輯都沒問題。

交互效果做得挺有意思。伸出食指，屏幕上的準(zhǔn)星就會跟著手移動，拇指和食指捏合就能開火。擊中氣球的瞬間，屏幕會輕微震動，氣球爆開時有粒子特效散開，還有“啵”的一聲音效，反饋感做得很足。連續(xù)擊中會顯示combo數(shù)字，這種即時反饋確實有代入感。

但實際玩起來有個明顯的問題：瞄不準(zhǔn)。手指明明對著一個氣球，但準(zhǔn)星位置總是偏的，打了好幾發(fā)才能碰巧打中。這應(yīng)該是手部追蹤和屏幕坐標(biāo)映射之間有偏差，或者校準(zhǔn)算法不夠精確。雖然Qwen做出了體感控制的完整流程：攝像頭調(diào)用、手勢識別、射擊反饋這些環(huán)節(jié)都跑通了，但核心的“指哪打哪”這個精度沒做好，導(dǎo)致游戲性打了折扣。

不過，千問這次最厲害的地方，不是參數(shù)有多大，而是它“想問題”的方式變了。在關(guān)鍵的模型推理能力提升中，千問新模型采用了一種全新的測試時擴展（Test-time Scaling）機制，推理性能提升的同時還更經(jīng)濟。

打個比方，以前的AI做數(shù)學(xué)題是這樣的：同時寫10份答案，然后投票看哪個對的人多，就選哪個。這種方法很笨，浪費算力，而且10份答案里可能犯的都是同一個錯誤。

Qwen3改成了人類的做法：先做一遍，做完看看哪里不對，總結(jié)一下經(jīng)驗，再重新做。就像你做錯題本一樣，第二遍肯定比第一遍做得好。結(jié)果就是，在那個需要用工具解決問題的測試?yán)铮琎wen拿了58.3分，Gemini只有45.8分，差了一大截。

在調(diào)用工具層面，千問的做法是把工具使用能力“訓(xùn)練進”模型里，在完成初步的工具使用微調(diào)后，通義團隊對模型進一步在大量多樣化任務(wù)上進行了基于規(guī)則獎勵與模型獎勵的聯(lián)合強化學(xué)習(xí)訓(xùn)練，使得Qwen3-Max-Thinking擁有更智能結(jié)合工具進行思考的能力。

它用三步訓(xùn)練法：先教會用工具，再在各種任務(wù)里強化練習(xí)，最后形成條件反射。好處很明顯：用起來又快又順，不用每次都去讀工具說明書，而且模型自己知道該在什么時候用什么工具。這就是為什么Qwen在HLE測試?yán)锉菺emini高出12分，特別是需要連續(xù)用好幾個工具解決復(fù)雜問題的時候，這種“肌肉記憶”優(yōu)勢就體現(xiàn)出來了。

對比之下，Gemini走的是傳統(tǒng)軟件工程的路子：模型只負(fù)責(zé)理解你要干什么，具體調(diào)工具靠外部API框架。這樣做最大的好處是靈活：Google想接入沃爾瑪?shù)馁徫锕δ埽挥弥匦掠?xùn)練模型，插個API就行。但代價是每次用工具都要走“理解意圖—翻譯成API調(diào)用—執(zhí)行—解析結(jié)果”這一整套流程，慢而且容易出錯。

千問的代碼生成能力，已超越單純的“語法翻譯器”，更像一位理解你意圖的技術(shù)伙伴。它不僅能將需求轉(zhuǎn)化為可運行的代碼，更具備工程直覺：知道何時優(yōu)化性能、何時簡化實現(xiàn)、何時添加容錯機制。

這種“度”的把握，恰恰是AI從“工具”走向“協(xié)作者”的關(guān)鍵躍遷。

點個“愛心”，再走 吧