模型:Qwen3-Max
| 名称 | Qwen3-Max |
|---|---|
| 厂商 | 阿里巴巴集团 Qwen 团队（阿里云） |
| 发布日期 | 2026-06-25 |
| 上下文 | 256k |
| 最大输出 | 32000 |
| 价格 | $1.2/$3.6 |
| 定位 | 开源性价比主力 |
一句话点评
开源系中性价比最高的通用模型，中文能力扎实。
社区反馈 · 编程
整体正面但两极分化：SWE-Bench Verified 69.6 官方称「among the world's top-performing models」，MarkTechPost 独立复核认为略低于 Claude Opus 4 非思考版；量子位实测前端编程「一次成功，无需抽卡」，宣称「编程秒了 Opus4」；但腾讯新闻对 Thinking 预览版直言「建议如果写代码的话，先别碰这个模型了」（指向同门 Coder 系列）；Claude Code 搭配实测（2026-01-27）skill 调用链路可用，前端审美「有待加强」。
社区反馈 · 推理
官方口径 Thinking 版 AIME25/HMMT 100%，VentureBeat 独立引 HMMT Feb 25 = 98.0、HLE（w/ search）49.8 赢 GPT-5.2-Thinking 45.5；但知乎深度评测称中位提升「甚至只提了9%」，仅打平 DeepSeek V3.2 推理模式；AA 独立实测 Intelligence Index 40，与 MiniMax M2.1 持平、落后 Kimi K2.5（47）；AA-Omniscience -34（知识+幻觉评估）落后所有主要对手——「会想」成立，但全面性与稳定性未达顶级。
社区反馈 · 中文
核心优势之一：官方强调中英文文本理解显著增强，CSDN 称「更懂人话，幻觉更少」，支持 100+ 语言；智东西/量子位中文实测均正面（「几秒完成程序员大半天的工作」）；中文创作与理解获社区认可，无明显负面；36氪从商业模式角度称「开源引流、云服务变现」路线存疑，属战略质疑而非模型能力批评。
升级共识
编程与 Agent 任务值得升级（SWE 69.6、Tau2 74.8 实测与榜单一致，Claude Code/OpenRouter 接入路径成熟）；追求性价比与本地部署的用户建议等开源版或下版（同门 Qwen3-2507/Coder 系列免费）；Thinking 版 ¥24/M（AA 口径 $1.2/$6 起）+ 思维链冗长（单次 86M tokens）、中位仅 9%，「最强但不便宜」，按需启用——日常编码用 Instruct 版、需要深度推理再切 Thinking。
榜单与实测落差
三层落差叠加：① 榜单层——LMArena 文本榜全球第三、SWE 69.6、Tau2 74.8 全线拔尖；② 独立评估层——AA Intelligence Index 仅 24（同类中位 19，AA 模型榜 #28），Thinking 版 40 与 MiniMax M2.1 持平、落后 Kimi K2.5 47，GDPval-AA ELO 1170 落后三甲，AA-Omniscience -34 为同类垫底（幻觉未根除）；③ 体感层——Reddit 专帖质疑「benchmarks are favouring Qwen3 max」，知乎实测 Thinking 中位提升仅 9%，腾讯新闻「写代码先别碰」。根因：榜单由官方自测 + 偏好对齐撑起，独立智能评估与真实体感更保守；编程与 Agent 实测基本与榜单一致，落差集中在推理版性价比、复杂推理稳定性与幻觉残留。
数据来源
本页由仓库 content/models/qwen3-max.md 初始化。后续修订通过公开审核队列发布。