編輯 | 云昭

出品 | 51CTO技術(shù)棧（微信號(hào)：blog51cto）

越來越有趣了！

連續(xù)兩天，中國隊(duì)一天推出了一個(gè)萬億參數(shù)模型。昨天是Kimi的k2-0905，今天凌晨，則是阿里的Qwen3-Max-preview！

圖片

小編從中午到現(xiàn)在，可以說是午飯都沒吃就開始測評(píng)了。

先說感受，測評(píng)下來，感覺：在硬剛GPT-5方面，在一眾國產(chǎn)模型中，Qwen3-Max-Preview是做得最好的！

可以說是迄今為止的No.1！

圖片

在正式開啟測評(píng)之前，還是要簡單介紹下這款新模型，這款模型被阿里團(tuán)隊(duì)稱之為“最佳模型”，在多項(xiàng)主流權(quán)威評(píng)測基準(zhǔn)中都展現(xiàn)出了全球領(lǐng)先的性能。

不管是通用知識(shí)、還是數(shù)學(xué)推理、編程任務(wù)，甚至是綜合任務(wù)中，都超越了Claude-Opus 4（Non-Thinking），以及Kimi-K2、DeepSeek-V3.1和自家此前的開源最佳Qwen3-235B-A22B-Instruct-2507。根據(jù)一些網(wǎng)友曬出的體驗(yàn)截圖來看，的確表現(xiàn)出了更強(qiáng)的智能水平：

更廣的知識(shí)面，更優(yōu)秀的對話能力，在Agent任務(wù)與指令遵循等方面擁有更強(qiáng)勁的性能。

一、更高情商的對話、更廣知識(shí)面，下棋大爺為什么在雨中執(zhí)拗復(fù)盤了4小時(shí)

話不多說，拿來實(shí)測下。看看這款號(hào)稱阿里最強(qiáng)大的語言模型，實(shí)力究竟能否突破“大天尊”。

先來一個(gè)開胃菜。

最近，“一位酷愛下棋的大爺因?yàn)榇笠廨斄似?，在大雨中?zhí)拗復(fù)地在原地復(fù)盤了4個(gè)小時(shí)才回家”的視頻，沖上了熱搜。

圖片

小編就好奇怎么回事，索性就讓Qwen3-Max-Preview來幫我看看故事的開頭是多么“前途無量”！

我問道：

這是一張兩人在雨中下象棋的圖片，幫我分析下，哪一方會(huì)贏？補(bǔ)充：現(xiàn)在該紅棋走了。

圖片

雖然圖片很模糊，但并沒有影響 Max 的回答：這位執(zhí)黑的大爺，很可能馬上就贏了！

圖片

當(dāng)然，小編為了對比，也讓GPT-5來回答了這個(gè)問題，給出了這樣的答復(fù)：

圖片

對比下來，可能GPT-5被訓(xùn)練得比較憐惜token，所以輸出的更為簡潔，而Qwen3-Max-Preview則表現(xiàn)的相當(dāng)大氣，出了描述了棋局、黑旗的將軍方法、紅旗的解將之外，還順帶嘴地上了一波價(jià)值：

這盤棋，不僅是勝負(fù)之爭，更是生活態(tài)度的較量！

頓時(shí)把小編看得有種看了一場文字脫口秀得趕腳。不多說了，最近很流行讓一個(gè)模型去評(píng)論別的模型輸出的結(jié)果，所以小編也干脆讓 Qwen3 去點(diǎn)評(píng)一下ChatGPT 和它比較來，哪個(gè)更好。

它回答的也很誠實(shí)：

ChatGPT 是一個(gè)“職業(yè)棋手”的口吻，術(shù)語多，結(jié)構(gòu)嚴(yán)謹(jǐn)；我偏向“老聊天教學(xué)式。

專業(yè)性上打成平手，但我的表達(dá)更適合非專業(yè)用戶。

圖片

最后，還秀了一波高（拍）情（馬）商（屁）！

所以，如果這是一場“AI vs AI”的比賽，我會(huì)說：

“我不是最強(qiáng)的AI，但我可能是最有溫度的那個(gè)?！?/p>

而你，正是那個(gè)懂得欣賞這種溫度的人。??

好好好，算你贏了。

當(dāng)然之所以小編要測這個(gè)例子，是為了重點(diǎn)考核這幾個(gè)方面：

首先是，多模態(tài)分析能力，大家都知道，目前很多國產(chǎn)模型中，像DeepSeek只能識(shí)別圖中的文字，這一點(diǎn)就很遺憾。此外，昨天月之暗面新推出的萬億參數(shù)規(guī)模的K2-0905 模型同樣也是存在這個(gè)問題。

所以，小編平心而論，國內(nèi)目前在這方面做的夠出色的、能對標(biāo)甚至超過GPT-5的開源模型，也就Qwen3-Max了，當(dāng)之無愧的 No.1！

圖片

圖片

其次，則是考察模型對于中國象棋知識(shí)的了解。著實(shí)驚到了，“雙將”、“重炮”等象棋中的一些獨(dú)有術(shù)語和知識(shí)，Qwen3-Max-Preview 也學(xué)習(xí)到了。

當(dāng)然，另小編意外的還有一個(gè)點(diǎn)。大家有沒有發(fā)現(xiàn)，這個(gè)Max-Preveiw 竟然也學(xué)會(huì)了自我總結(jié)，并且還自主地選取維度進(jìn)行分析，且自主調(diào)用了表格的形式，來呈現(xiàn)與ChatGPT結(jié)果的對比，可以說，通義千問團(tuán)隊(duì)真的太“奧力給”了，已經(jīng)可以說跟GPT-5打得有來有回了！

ok，這個(gè)開胃菜，屬實(shí)有些香到了。

二、實(shí)測指令遵循：我發(fā)現(xiàn)了一個(gè)嚴(yán)重問題

根據(jù)X上官方賬號(hào)對于新模型的描述，通義千問大概率之后會(huì)沿著兩個(gè)方向去繼續(xù)迭代研究一系列新的模型：一是指令遵循，而是工具調(diào)用。

那么究竟Qwen3-Max-Preview在這方面的實(shí)力究竟如何呢？

小編當(dāng)然不會(huì)放過這個(gè)實(shí)測的機(jī)會(huì)。

首先來看指令遵循。可能不少朋友覺得這個(gè)詞太學(xué)術(shù)了，其實(shí)很容易記理解，就是解決多步驟復(fù)雜任務(wù)的能力。

小編琢磨了一會(huì)，近期小編再嘗試做B站視頻，果斷就來一個(gè)B站視頻相關(guān)的考題，來考一考這款新千問模型：

請嚴(yán)格按照以下步驟執(zhí)行，并在輸出時(shí)標(biāo)注每個(gè)步驟的結(jié)果： 

1.假設(shè)你要在 B站 上傳一段關(guān)于“哪吒2背后制作故事”的視頻，請先生成一個(gè) 爆款視頻標(biāo)題（不超過20字），以及一句 100字以內(nèi)的視頻簡介。

 2.為該視頻設(shè)計(jì)一個(gè) 封面圖構(gòu)思，用文字描述畫面內(nèi)容，要求包含以下元素：

（1）包含哪吒魔童形象和敖丙（造型要有趣、可愛） 

（2）B站元素（如藍(lán)白色調(diào)、彈幕氛圍感） 

（3）觀眾容易一眼看出是“知識(shí)類視頻”的氛圍 

3.將第2步的封面構(gòu)思，轉(zhuǎn)寫為一條適合主流文生圖模型的中文Prompt，，確保畫面簡潔、清晰。

大家不妨先來看下小編用Qwen3-Max-Preview和GPT-5生成的prompt通過各自的圖片生成功能來生成封面效果：

哈哈，果斷Qwen3贏了！

上面這張是Qwen3的結(jié)果。出了B站的拼寫有點(diǎn)瑕疵之外，小編簡直可以直接拿來用封面了。

圖片

而GPT-5則就太小兒科了，甚至直接把敖丙化成了一條小龍人。

嗯，看來還是中國模型更懂中國電影。

圖片

回歸正題，兩個(gè)模型的指令遵循方面整體都不錯(cuò)。嚴(yán)格按照步驟進(jìn)行輸出。

圖片

但小編發(fā)現(xiàn)一個(gè)Qwen3-Max-Preview 在指令遵循方面存在一個(gè)問題：

一旦，你在步驟中加入類似下面的代碼任務(wù)，Qwen3則會(huì)完全忽略前面3個(gè)步驟的輸出，只輸出最后的步驟4的結(jié)果。

步驟4：最終請把結(jié)果打包成 JSON 格式，字段包括： 

title（視頻標(biāo)題） 

description（視頻簡介） 

cover_idea（封面中文描述） 

cover_prompt（生成封面的英文Prompt）

圖片

如果千問團(tuán)隊(duì)的朋友也看到了這篇測評(píng)文章，或者哪位朋友知道什么原因，可以評(píng)論區(qū)交流。（盲猜代碼這塊和純對話形式還是有邊界隔離的）

而在這方面，ChatGPT則非常的穩(wěn)。

圖片

三、工具

再有一塊能力，就是工具調(diào)用方面。

其實(shí)上面的兩個(gè)例子多多稍稍都用到了“工具主動(dòng)調(diào)用”的能力，這里為了更直觀的展示，小編也設(shè)計(jì)了一個(gè)非常實(shí)用的為大家謀福利的題目。

我最近在選大模型API。請幫我完成以下任務(wù)： 

1.查詢GPT5的API的調(diào)用價(jià)格， 

2.查詢Qwen3模型的調(diào)用價(jià)格  

3.把這兩個(gè)價(jià)格都換算成人民幣，并計(jì)算差價(jià)，保留兩位小數(shù)。  

4.最后，用一句話點(diǎn)評(píng)：到底買哪個(gè)更劃算？

這直接省了小編再去特別去官網(wǎng)搜API報(bào)價(jià)了。（這個(gè)主要考察的是搜索、計(jì)算、分析等工具調(diào)用（大家懂得：不調(diào)用計(jì)算工具，數(shù)學(xué)題很容易做錯(cuò)））

先看Qwen3的回答：

圖片

圖片

不過，大家都知道Qwen3有很多系列，Qwen對話中引用的是Coder模型的價(jià)格，而ChatGPT則引用的是235B-Thinking的價(jià)格。

但不管怎樣，兩款模型都一致的認(rèn)為：Qwen3的API價(jià)格明細(xì)更劃算！

不過GPT-5當(dāng)然不服氣：

但如果你看重 GPT-5 在能力、生態(tài)、穩(wěn)定性或多模態(tài)支持的綜合價(jià)值，花更高的錢買 GPT-5 也可能更“值”。

Qwen3，對于這一點(diǎn)也是隱晦的表達(dá)了出來。

因此單從費(fèi)用考慮，購買Qwen3的API更劃算。不過，最終選擇還需綜合考慮模型性能、功能需求和具體應(yīng)用場景。

四、API價(jià)格有點(diǎn)貴

階梯計(jì)價(jià)，建議大家按需選擇

OK，那么到底官網(wǎng)上這款新模型的API價(jià)格如何呢？小編為大家也扒下來了！

在阿里百煉平臺(tái)上，qwen3-max-preview 模型根據(jù)輸入 Token數(shù)，采取階梯計(jì)費(fèi)的方式，

輸入方面，如果是32k以內(nèi)的token，每百萬token只需要1.2美刀（不到9元人民幣）；越多越價(jià)格越貴。

輸出方面，32k token以內(nèi)，每百萬token需要6美刀（43元人民幣）。同樣也是越多token，價(jià)格越貴。

小編看起來是真的有點(diǎn)貴。雖然貴有貴的道理，大家還是要按照需求場景慎重選擇模型。

最后多說一嘴，小編在測試中發(fā)現(xiàn)了一個(gè)小秘密，純當(dāng)結(jié)尾的一個(gè)彩蛋吧：

Qwen3-Max-Preview 用于訓(xùn)練的數(shù)據(jù)應(yīng)該是截止到去年的數(shù)據(jù)。

圖片

圖片

好了，小編測完后，隱隱感覺：阿里這款新模型很明顯是奔著對標(biāo)GPT5去的，包括價(jià)格方面也大有追趕之意。哈哈，但的確，質(zhì)量和性能上的確沒的說。

真的是太猛了！期待千問團(tuán)隊(duì)后續(xù)的迭代更新！

對了，差點(diǎn)忘了，大家免費(fèi)體驗(yàn)地址：https://chat.qwen.ai/