阿里正式推出千问旗舰推理模型Qwen3-Max-Thinking，该模型在事实知识、复杂推理、指令遵循、人类偏好对齐及智能体能力等关键维度实现突破性进展。在19项权威基准测试中，其性能表现与GPT-5.2-Thinking、Claude-Opus-4.5等国际顶尖模型持平，部分指标甚至实现超越。
这款总参数规模超万亿的模型通过三项核心创新实现性能跃升：其一，采用更大规模的强化学习后训练策略；其二，引入推理技术系列创新；其三，构建自适应工具调用体系。在科学知识（GPQA Diamond）、数学推理（IMO-AnswerBench）和代码编程（LiveCodeBench）等专项测试中，该模型刷新多项SOTA纪录，其中数学推理得分较前代提升12.3%，代码生成准确率提高9.7%。
模型最引人注目的突破在于原生Agent能力的进化。通过自主调用搜索引擎、记忆模块和代码解释器，Qwen3-Max-Thinking可像专业人士般实现"思考-工具调用-再思考"的闭环流程。在金融分析场景中，模型能自动检索实时市场数据，调用Python解释器进行复杂计算，最终生成包含可视化图表的深度报告。这种能力使模型在处理真实复杂任务时的幻觉率降低67%，用户满意度提升41%。
技术团队提出的测试时扩展技术（Test-Time Scaling）构成另一重要创新。该技术通过动态分配推理阶段计算资源，在保持相同token消耗的前提下，使模型在关键基准测试中的表现显著提升：GPQA得分从90.3增至92.8，LiveCodeBench v6从88.0提升至91.4。这种迭代式自我反思机制通过提取历史推理经验，避免重复计算，在相同上下文窗口内实现更高效的信息融合。
目前，用户可通过Qwen Chat平台（chat.qwen.ai）直接体验模型交互功能，开发者则可调用开放API（模型名称：qwen3-max-2026-01-23）进行二次开发。阿里云百炼平台同步上线该模型（https://bailian.console.aliyun.com/cn-beijing/?tab=model#/model-market/detail/qwen3-max-2026-01-23），提供从模型调用到应用部署的全链路支持。
自适应工具调用体系经过特殊训练流程打造：在完成基础工具使用微调后，模型通过规则反馈和模型反馈的混合训练模式，在多样化任务场景中持续优化工具选择策略。实验数据显示，该体系使搜索工具使用频率提升3倍，代码解释器调用准确率达到92%，在处理需要多工具协同的复杂任务时，任务完成率较前代提高58%。
