甲木：阿里 Qwen3-Max-Thinking 更新，实测九大场景，相比Deepseek、ChatGPT到底怎么样？

甲木：阿里 Qwen3 Max Thinking 更新，实测九大场景，相比Deepseek、ChatGPT到底怎么样？ 甲木：阿里 Qwen3 Max Thinking 更新，实测九大场景，相比Deepseek、ChatGPT到底怎么样？ Modified January 29 05｜Skills应用 Qwen 系列 API 同时也兼容了 Anthropic API 协议，因此 Qwen3 Max Thinking 可以与 Claude Code 搭配使用。 直接在阿里云百炼平台上拿到key，改下CC配置即可。 • baseUrl：https://dashscope.aliyuncs.com/apps/anthropic • Model：qwen3 max 2026 01 23 主要来看看意图识别、逻辑理解、信息整合、代码编辑能力如何。 「Q9：杂志排版风处理」 这里我直接把我之前那篇文章的 “杂志排版风”Skills 拿来使用，然后把 Claude Code 的模型换成了 Qwen 模型。 直接把官网关于 Qwen 本次更新的公众号文章内容丢了进去， 它就自动帮助我完成了一些排版， 但我发现它的美观度 还有 提升空间 ， 不过在skill调用的整体连路上，完成效果还不错。 企业市场为什么我更愿意推荐Qwen？ 过去两年，我给企业做本地化部署方案时，一直有个现实约束： 模型要能落地，光“强”不够，还要“全”。 千问的优势在于它的“全家桶”覆盖： 尺寸覆盖从 0.5B 到 480B，并强调覆盖全尺寸与多模态。 阿里自 2023 年以来已开源近 400 个模型，衍生模型增长也很快。 对企业意味着什么？ • 你能按算力选型 • 你能按数据敏感级别选部署形态 • 你能按场景选专用模型或微调基座 • 你还能在生态里找到大量社区资产接上去 这类“工程确定性”，才是企业愿意下场的真正原因。 结语 测下来，Qwen Max Thinking 的确有点东西， 大家也可以直接打开 https://chat.qwen.ai/ 体验一下， 相信它也很快会接入「千问」APP里， 结合阿里强大的生态，可玩性非常多， 改天给大家介绍介绍千问的生活助理 今年开始，大家会更在意一件事： 我把任务丢给AI。 它能不能给我一个能直接用的产出。 Qwen Max Thinking 这次让我最惊喜的点，就在这里。 当然，也希望关于前端审美层面上，多提升提升。。 同样希望阿里的开源模型继续往前冲。 也希望我们国内的模型， 越来越强。 以上。 我是甲木，热衷于分享一些AI干货内容，同时也会分享AI在各行业的落地应用，我们下期再见👋🏻 “杂志排版风”Skills 05｜Skills应用 Qwen 系列 API 同时也兼容了 Anthropic API 协议，因此 Qwen3 Max Thinking 可以与 Claude Code 搭配使用。 直接在阿里云百炼平台上拿到key，改下CC配置即可。 • baseUrl：https://dashscope.aliyuncs.com/apps/anthropic • Model：qwen3 max 2026 01 23 主要来看看意图识别、逻辑理解、信息整合、代码编辑能力如何。 「Q9：杂志排版风处理」 这里我直接把我之前那篇文章的 “杂志排版风”Skills 拿来使用，然后把 Claude Code 的模型换成了 Qwen 模型。 “杂志排版风”Skills 直接把官网关于 Qwen 本次更新的公众号文章内容丢了进去， 它就自动帮助我完成了一些排版， 但我发现它的美观度 还有 提升空间 ， 不过在skill调用的整体连路上，完成效果还不错。 企业市场为什么我更愿意推荐Qwen？ 过去两年，我给企业做本地化部署方案时，一直有个现实约束： 模型要能落地，光“强”不够，还要“全”。 千问的优势在于它的“全家桶”覆盖： 尺寸覆盖从 0.5B 到 480B，并强调覆盖全尺寸与多模态。 阿里自 2023 年以来已开源近 400 个模型，衍生模型增长也很快。 对企业意味着什么？ • 你能按算力选型 • 你能按数据敏感级别选部署形态 • 你能按场景选专用模型或微调基座 • 你还能在生态里找到大量社区资产接上去 这类“工程确定性”，才是企业愿意下场的真正原因。 结语 测下来，Qwen Max Thinking 的确有点东西， 大家也可以直接打开 https://chat.qwen.ai/ 体验一下， 相信它也很快会接入「千问」APP里， 结合阿里强大的生态，可玩性非常多， 改天给大家介绍介绍千问的生活助理 今年开始，大家会更在意一件事： 我把任务丢给AI。 它能不能给我一个能直接用的产出。 Qwen Max Thinking 这次让我最惊喜的点，就在这里。 当然，也希望关于前端审美层面上，多提升提升。。 同样希望阿里的开源模型继续往前冲。 也希望我们国内的模型， 越来越强。 以上。 我是甲木，热衷于分享一些AI干货内容，同时也会分享AI在各行业的落地应用，我们下期再见👋🏻 🔗 原文链接： https://mp.weixin.qq.com/s/4fFOEpFG... https://mp.weixin.qq.com/s/4fFOEpFG... 原创 甲木Zuiyn 甲木Zuiyn 甲木未来派2026年1月27日 18:13 天津 大家好啊，我是甲木。 其实我一直都很关注千问模型的迭代， 毕竟在做企业落地本地化部署的时候，从性价比上来说首推Qwen系列.. 所以昨晚大半夜看到阿里 Qwen3 Max Thinking 更新 ，说“会想能干，比强更强”，而且思考模式大变，忍不住起来第一时间测了一下.. 先来看看主界面，发现什么变化没有.. 官方给到的数据很猛：总参数量超 1T，预训练数据量 36T tokens，并强调它在 19 项基准上对标国际顶尖推理模型，是 最大最强的千问模型 ，打爆各大榜单.. 但我更关心的从来不是“榜单第一”。 我更关心一件事： 这次思考模式主要更新了什么？实际表现咋样？ 先来说说 整体测试结论（纯个人主观） ： • 逻辑推理能力和文本叙事比之前有明显提升， • 得益于自主调用工具的原生 Agent 能力，在Thinking层面变得更准确 • 界面简洁了很多..Think结构化处理了 • 后端逻辑能力不错，前端审美有待加强，效果一般， • 支持Claude Code内调用，我们的Skills可以直接用最新模型来跑。 接下来，我们分别来看一下。 你看到的界面变化，其实是产品在改叙事 如果你最近打开过 Qwen Chat 的网页端，你会注意到一个很“反常识”的细节： 搜索按钮没了 。 取而代之的，是模型选择和“思考模式”开关。 它传递的是一个更硬的信号： 工具不再是用户显式点选的功能模块，它进入了模型的默认工作流。 你问一个问题。 模型在后台自己决定要不要搜，要不要读记忆，要不要跑代码。 用户的动作更少了，模型的动作更多了。 这就是，本次 Qwen3 Max Thinking 强化了自主调用工具的原生 Agent 能力 ，模型可以像专业人士一样边用工具边思考。 目前主打三件套： 1）搜索 2）个性化记忆 3）代码解释器 现在你问Qwen3，更像在给一个有工具、有记忆、有执行环境的助理派活。 这就是 Agent 叙事真正落地时的差别。 Thinking 过程结构化？ 其实也是界面变化的一部分， 之前我们看很多推理模型，它会把整个思考过程全部展示给用户看，很长一篇作文.. 我一直觉得： 推理模型的思考链，并不需要让用户看完。 用户真正需要的是两件事： 1）结论可信 2）路径可核查 这次 Qwen 的思考过程变得更结构化、更简练，阅读体验更顺。 边思考 这件事背后其实是产品选择。 当一个模型开始面向“办事”场景，它就必须把表达变成可交付的工作件：表格、清单、步骤、约束、可执行方案。 你看，官方也知道“思考过程”本质上是一种可视化能力，用来建立信任。 五大任务十大场景实测 其实在官方信息里面，还有很多基准测试维度的描述，包括科学知识、数学推理、代码编程等等。 这里不展开了，因为看榜单没有意义，我们直接上实测！ 分为 5 类任务，9 个场景，让大家有更明显的体感。 01｜文本创作 先来看看文本能力，文风还原、对话节奏、比喻是否贴合、技术解释是否跑偏。 「Q1：用金庸武侠风格解释“梯度下降算法”」 金庸文风的还原度，对于技术概念准确性解释的都还挺有意思的， 下次是不是能直接这样教学了？ 「Q2：用余华《活着》的风格写「互联网大厂裁员潮中的普通人」」 对于余华文风把握（平静叙述下的悲凉）和理解很到位， 完整版可看：https://chat.qwen.ai/s/73e3e310 d80f 4fae 81d3 bbbb15701458?fev=0.1.37 包括对社会议题理解、细节真实性、情感深度做的都很好。 （ps.可能也是刚有了女儿的缘故，差点看哭...） 02｜逻辑推理 我们再来看看Qwen对于逻辑分析能力、矛盾识别、约束满足、反直觉问题的处理。 「Q3：三人说谎题」 逻辑推理完整性和矛盾分析都到位。 「Q4：理性决斗者生存」 约束满足问题分析、最优解、逻辑证明。 三人说谎、理性决斗者这种题，很多模型会“看起来推得很顺”，结果答案错。 Qwen 的体感，会更多来自“它更愿意把每种假设都跑一遍”，并且能及时抓到矛盾点。 调用Python脚本保证数值正确 而且，过去大模型在数字计算方面是硬伤，现在thinking过程中加入了 Python代码解释器之后，极大保证了算数的正确性 。 03｜数学问答 「Q5：微信抢红包概率问题」 考研的事概率论理解、期望计算、算法设计，期望都大体类似 数学告诉我第一人大额红包概率大，为啥我实际体感第一个都是最少的... 「Q6：复利陷阱题」 以后去银行再被经理烦的时候，拿出来算算.. 我们再来看看ChatGPT的结果， ChatGPT 5.2结果 其实我们可以从结果上看到，Qwen 和 ChatGPT 的计算结果以及结论都非常类似。 但是 Qwen 的体验感更好： 1. Qwen 直接为我们梳理了一个表格来回答问题，非常直观 2. 相比之下，ChatGPT 将所有的结论或答案散落在各个段落中，阅读起来非常不方便 04｜代码 & 审美 编程是 AI 模型必争之地，体验下来感觉审美方面有所欠缺，我们来看看。 「Q7：物理模拟 双摆混沌运动」 同样的prompt发给 DeepSeek， 不是我不想让它动，结果就是静态的..我的摆锤呢？... 「Q8：小游戏 扫雷」 满满的回忆感啊... 初中高三级，找回儿时的记忆..