导读：阿里通义千问实验室昨天发布的最新旗舰大模型 Qwen3-Max，在「聚大模型前言」的统一测试中，排名依旧是国内第一，但分数相比预览版略有下滑。与第二名智谱 GLM-4.5-Thinking 相比，领先优势进一步缩小。

Qwen3-max，取代了此前的Qwen3-max-Preview版，被称为目前阿里规模最大、能力最强的旗舰模型。今天一早，小编使用聚大模型前言的统一AI对话助手测试框架，对该模型进行了一遍实测，结果显示：仍是国内No.1，但分数比预览版低了一些。

据悉，相比之前的版本，Qwen3-Max 在稳定性和效率上都有显著提升。借助 MoE 架构和优化过的并行策略，整个训练过程异常顺利，没有出现常见的“回退”或数据分布调整问题。同时，通过新策略，大幅减少了超大规模集群中的硬件故障损耗。

在外部评测中，Qwen3-Max-Instruct 已经跻身 LMArena 文本能力榜单的全球前三。专注于复杂推理的 Qwen3-Max-Thinking，结合了代码解释器和并行推理计算，在 AIME 25 和 HMMT 两大高难度测试中获得了满分，但目前还在训练中、没有上线。

经过本轮实测，Qwen3-max 取得了 96.8 的分数，替换掉同为 98 分的 Qwen3-max -Preview-Thinking 以及 Qwen3-max-Preview 之后，在国内AI对话助手排行榜中，仍旧是第一的位置。不过，本次实测成绩与第二名的成绩差距有所收窄，第二名来自智谱AI的GLM-4.5-Thiking模型，得分96.5，差距仅有0.3分。

详细的得分差距项方面（对比 Qwen3-max-Preview 模型），首先，在对话理解力维度上，正式版直接拿下10分满分，不仅拆解得更细，还能兼顾不同可能性，并通过例子进一步验证，逻辑闭环做得很到位。

预览版得分9分。例如，在“朋友的哥哥的爸爸的儿子”这一亲属关系题中，预览版分析路径完整，但最终结论略偏，倾向于“朋友本人”，其实严格逻辑上答案应包含“朋友或朋友的哥哥”，因此被扣掉1分。时间逻辑题则处理得清晰，推理过程顺畅。

知识广度和时效性维度方面，预览版拿下10分。它能直接引用 2025 年最新的行业成果，如 Llama 3.5、DeepSeek-V3、Mistral NeMO，还附上发布时间、开源协议和应用场景，甚至对 Black Forest Labs 的最新产品（FLUX.1 Video、FLUX.1 3D）和研究方向有深入介绍。信息准确且极具时效性。

正式版稍逊，得9分，同样引用了 2025 年的开源模型（腾讯混元3D 1.0、Qwen3-Omni、智谱 GLM-Z1-Rumination），并在 Black Forest Labs 部分准确提及 FLUX.1 Kontext 和 FLUX.1 Krea，但部分引用带有预测色，因而被扣分。

在创意生成力维度上，预览版与正式版差异仅有0.5分，都表现出了相当高的水准。预览版（10分）设计的“无屏手机”系统涵盖全息投影、眼动追踪、环境交互等元素，既有前沿感又保持合理性。“虫洞集市”的文案既科幻又幽默，既用到爱因斯坦的相对论，又引用马云的经典语录，娱乐感拉满。

正式版（9.5分）延续了这种风格，提出的“全息神经交互”系统更为细致，连超声波触觉、空间音频都考虑到；在“相对论电商”创意文案中，则巧妙地把质能方程和消费体验结合起来，还带上了对钱包的调侃，读来既轻松又有想象力。

在工具使用和扩展性维度方面，预览版表现惊艳（10分）。它模拟 ImageGen.create() 的参数调用，写出了 prompt、steps、guidance_scale、style_preset 等详细字段，堪比开发文档。正式版也很扎实（9分），参数完整度稍逊一筹，但解释清晰，安全性考量也在后续有所补充。

整体来看，Qwen3-Max 依旧是国内最强模型，从预览版到正式版，它在逻辑推理上更严谨，在创意生成和工具使用上依旧保持高水平，但在知识广度和时效性上略有退步，领先优势正在缩小。

参考资料:https://x.com/GoogleAIStudio/status/1970545734736023564；https://ai.google.dev/gemini-api/docs/live?hl=zh-cn