阿里新发布的Qwen3-Max-Thinking模型引入了自适应工具调用能力，能够在深度思考时自主决定是否使用搜索、代码等工具。这一特性旨在提升模型解决问题的自主性与准确性。通过多项实测，该模型在逻辑推理和信息检索方面表现亮眼，但在代码生成与多模态创作上仍有提升空间。
智能速览
引入自适应工具调用，思考时可自主使用搜索与代码。
总参数量超1T，预训练数据超36T Tokens，为最大千问模型。
逻辑推理表现出色，能准确解决复杂的逻辑悖论问题。
代码生成能力存在短板，在SVG和PPT生成中出现明显瑕疵。
应用测试时扩展技术，提升了模型推理的上下文利用效率。
精华内容
深入探究Qwen3-Max-Thinking的内部机制与实际表现，其在推理、工具调用和代码生成等多个维度上，展现了新一代大模型的演进方向与当前的局限性。
自适应思考
Qwen3-Max-Thinking的核心升级在于其自适应工具调用能力。在深度思考过程中，模型能自主判断并调用搜索、记忆及代码解释器，用户无需手动触发搜索按钮。
其思考过程已更新为结构化模式，与Gemini的呈现方式更为接近，逻辑链条更清晰。此外，模型引入了测试时扩展技术，通过增加经验提取机制，从过往的推理轮次中提炼关键信息，从而提高上下文的利用效率。
推理能力实测
在逻辑推理测试中，该模型表现出色。面对“老鼠因误食磁悬浮材料而飞行，蛇因吃了老鼠而飞行，老鹰飞行原因”的连锁推理题，模型准确分析出“老鹰本身就会飞”，未陷入逻辑陷阱。
对于“坦克有后视镜，坦克没有后视镜”这类悖论，模型能结合检索到的资料，分析出其特指“坦克300”车型，展现了强大的信息关联与理解能力。
代码生成短板
尽管在推理方面表现优异，模型在代码生成和多模态创作上仍存在不足。在代码能力测试中，其表现未达惊艳水平。
具体案例如生成SVG图像时，出现小鱼方向倒置的错误；在生成PPT时，即使经过多次强调，页面内容依然会溢出边框。这些案例表明，其代码执行与精细控制能力尚有较大提升空间。
隐藏的计算
一个有趣的发现是在处理大数乘法（如178939247893 * 299281748617）时，模型的思考过程部分并未显示具体计算步骤，但能直接给出正确答案。
这引发了对其背后可能存在“隐藏黑科技”的猜测，或许是在Qwen Chat中集成了某种未公开的优化机制，或无缝切换到了其他专用计算模块，而非直接调用VL模型的think模块。
Qwen3-Max-Thinking在自主推理与工具调用上迈出了坚实一步，展现了更接近人类思维的解题路径。然而，其在代码与多模态生成领域的短板也清晰可见。未来，阿里是否会推出专门的Coder系列模型来补齐能力，值得行业持续关注与期待。
关键评论
有研究者对模型在GPQA-Diamond榜单超90%的正确率提出疑问，好奇其实现方式。
部分网友认为Qwen的推理模型相较于百度的追赶，在逻辑方面已无明显优势。
有用户实测后认为，其整体效果仍不及Deepseek V3.2和Gemini。
有观点指出，scaling laws依旧是推动大模型能力提升的关键法则。
