11 月写过一篇迄今为止最强的中文模型 Qwen3-Max，实测，略失望，当时觉得作为年度旗舰，Qwen3-Max 在复杂逻辑上并没有展现出碾压级的优势，甚至在某些 coding 场景下还不如 R1 惊艳。
昨天深夜阿里发布了有思考能力的 Qwen3-Max-Thinking ，上了 Test-Time Scaling（推理时扩展）和 自适应工具调用，号称要在逻辑推理和 Agent 能力上全面对标 GPT-5.2 和 Claude-Opus 4.5。
去年测试时我最常用的测试题目表现很拉垮，没有识别 4 次背影，样式很丑，不如 M2，更别提 Claude 了
Qwen3-Max-Thinking重试了这道题，表现确实牛逼太多
时间紧张，其他题目没有深入测试，倒是在各种 wx 群看到大家对其 Coding 能力有些失望，我暂时没有发言权，只能确信地说，它比 Qwen3-Max 预览版强许多。
简介
简单来说，Qwen3-Max-Thinking 是 Qwen3-Max 的“完全体”。
大家都在卷 Post-training（后训练）的时候，阿里这次把技能点点在了 Inference-time（推理时） 上。
什么意思呢？以前的模型也是“快思考”，看到题直接答；现在的 Qwen3-Max-Thinking 学会了“慢思考”，它会：
自适应工具调用：遇到不懂的先 Search，遇到计算直接调 Python，不用你教。 多轮自我反思：以前错了就错了，现在它会在推理过程中“回头看”，积累经验，自我修正。
官方称这种策略为 Experience-Cumulative Test-Time Scaling Strategy (TTS)，听起来很玄乎，翻译成人话就是：为了做对一道题，它愿意花更多时间去尝试和反思，而且越试越聪明。
来看看官方给出的成绩单（Benchmark）：
核心功能与特点：
数学能力炸裂：在 IMO-AnswerBench 上，开启 TTS 后得分从 83.9 飙升到 91.5，这可是奥数级别的提升。 写代码更稳了：LiveCodeBench v6 分数达到 91.4，之前被诟病的 coding 能力这次算是补齐了短板。 Agent 能力质变：HLE（with tools）分数直接干到了 58.3，说明它不仅会思考，还更会用工具干活了。
接入
直接兼容 OpenAI API，意味着你现有的 LangChain、dify、One API 等等生态工具，改个 base_url 和 model 名字就能直接用，迁移成本几乎为零。
模型 ID：qwen3-max-2026-01-23
具体的 API 配置如下（记得把 sk-xxx 换成你的 DASHSCOPE_API_KEY）：
import os
from openai import OpenAI
client = OpenAI(
# 若没有配置环境变量，请直接替换为 API Key
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="https://dashscope-intl.aliyuncs.com/api/v2/apps/protocols/compatible-mode/v1",
)
response = client.responses.create(
model="qwen3-max-2026-01-23",
input="你好，请介绍一下 Qwen3-Max-Thinking 有什么新特性？"
)
# 获取模型回复
print(response.output_text)
注意：这里使用的是 client.responses.create，这是阿里云为了支持更丰富的输出（比如搜索结果、思维链）做的一个兼容接口，当然标准的 Chat Completions 接口理论上也是支持的，但官方文档推荐用这个以获得最佳体验。
思考
这次 Qwen3-Max-Thinking 的核心就在于 Thinking。
在官方博客中，他们提到了一个很有意思的点：Adaptive Tool-Use（自适应工具使用）。
以前我们用大模型，通过 Prompt 告诉它“你可以用搜索”、“你可以用代码解释器”。Qwen3-Max-Thinking 则把这个内化了。它在思考过程中，会自动判断当前步骤是否需要联网检索最新信息，或者是否需要写一段 Python 代码来验证数学猜想。
这种 System 2（慢思考） 的能力，正是迈向真正 AGI 的关键一步。
这就好比一个学生，以前是靠死记硬背（Pre-training）考试，现在允许他带计算器、允许他查字典，还允许他在草稿纸上反复演算（TTS），那考分能不高吗？
总结
从纸面参数和技术路线来看，Qwen3-Max-Thinking 确实是一次针对性的“雪耻”之作。它精准地打击了之前版本在逻辑推理和复杂任务调用上的痛点。
优点：
推理能力强：TTS 带来的逻辑提升肉眼可见，数学和代码能力重回第一梯队。 工具调用丝滑：原生支持 Search 和 Code Interpreter，Agent 开发者的福音。 兼容性好：OpenAI 格式直接用，不折腾。
可能的顾虑：
速度与成本：Thinking 模式意味着更多的 Token 消耗和更长的等待时间。对于实时性要求高的应用，可能需要权衡。 API 稳定性：新模型上线初期，往往伴随着并发限制和波动，建议大家先小范围测试。
如果你之前对 Qwen3-Max 感到失望，不妨再给这个 Thinking 版本一次机会。毕竟，一个会反思、会用工具的 AI，才更像我们期待的那个“超级助手”。
大家可以去 chat.qwen.ai 体验一下网页版，或者通过 API 接入实测。
