阿里通义实验室推出新一代旗舰推理模型Qwen3-Max-Thinking：支持自适应工具调用，性能对标 GPT-5.2

20 0

阿里通义实验室正式发布 Qwen3-Max-Thinking，作为 Qwen 系列的最新旗舰推理模型。通过显著扩大参数规模并投入大量强化学习训练算力，该模型在事实准确性、复杂推理、指令遵循、人类偏好对齐和智能体能力等关键维度上实现全面提升。

阿里通义实验室推出新一代旗舰推理模型Qwen3-Max-Thinking：支持自适应工具调用，性能对标 GPT-5.2

在 19 项权威基准测试中，Qwen3-Max-Thinking 的性能已可媲美 GPT-5.2-Thinking、Claude Opus 4.5 和 Gemini 3 Pro 等国际顶尖模型，并在部分任务上实现超越。

两大核心技术突破

1. 自适应工具调用（Adaptive Tool Use）

不同于早期需用户手动选择工具的方式，Qwen3-Max-Thinking 能在对话中自主判断是否需要调用外部工具，并动态选择以下内置能力：

搜索引擎：获取实时信息，缓解幻觉问题
记忆模块：结合历史上下文提供个性化回复
代码解释器：执行 Python 等代码片段，完成数值计算、数据处理或逻辑验证

该能力源于两阶段训练：先进行工具使用微调，再通过基于规则与模型反馈的强化学习，在多样化任务中优化决策策略。

目前，自适应工具调用功能已在 chat.qwen.ai 上线，用户可直接体验“思考-调用-回答”的完整智能体工作流。

2. 测试时扩展（Test-Time Scaling）

Qwen3-Max-Thinking 引入一种经验累积式、多轮迭代的测试时扩展策略，显著提升复杂推理性能。

传统方法通常通过增加并行推理路径（N 个独立采样）来提升效果，但易导致冗余计算。而 Qwen3-Max-Thinking 采用更高效的设计：

限制并行轨迹数量，节省计算资源
通过 “经验提取”机制，从历史推理轮次中提炼关键洞见
在后续迭代中聚焦未解决的不确定性，避免重复推导已知结论
相比直接拼接原始轨迹，该机制在相同上下文窗口内实现更高信息融合效率

性能提升实测（相同 token 消耗下）：

基准	原始	+ Test-Time Scaling
GPQA	90.3	→ 92.8
HLE	34.1	→ 36.5
LiveCodeBench v6	88.0	→ 91.4
IMO-AnswerBench	89.5	→ 91.5
HLE (w/ tools)	55.8	→ 58.3

该技术使模型在数学、代码、科学推理等高难度任务上表现更接近人类专家水平。

开发者快速接入

Qwen3-Max-Thinking 已开放 API（模型名：qwen3-max-2026-01-23），并完全兼容 OpenAI 与 Anthropic API 协议，极大降低迁移成本。

方式一：通过 OpenAI 兼容接口调用

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1"
)

completion = client.chat.completions.create(
    model="qwen3-max-2026-01-23",
    messages=[{"role": "user", "content": "简要介绍大语言模型"}],
    extra_body={"enable_thinking": True}  # 启用 Thinking 能力
)
print(completion.choices[0].message.content)

方式二：与 Claude Code 集成（支持 Anthropic 协议）

# 安装 Claude Code
npm install -g @anthropic-ai/claude-code

# 配置环境变量
export ANTHROPIC_MODEL="qwen3-max-2026-01-23"
export ANTHROPIC_SMALL_FAST_MODEL="qwen3-max-2026-01-23"
export ANTHROPIC_BASE_URL="https://dashscope.aliyuncs.com/apps/anthropic"
export ANTHROPIC_AUTH_TOKEN="your-dashscope-api-key"

# 启动
claude