它來了，它來了！

新一代旗艦?zāi)Ｐ?/span>Qwen3-Max帶著滿分成績，正式地來了——

國產(chǎn)大模型首次在AIME25和HMMT這兩個(gè)數(shù)學(xué)評測榜單拿下100分！

和前不久Qwen3-Max-Preview一致，參數(shù)量依舊是超萬億的規(guī)模。

但這次正式的發(fā)布在版本上有了一個(gè)劃分：

• 指令版（Instruct）
• 思考版（Thinking）

而且Qwen3-Max在性能上也有了一定的提升（情商智商，雙商增強(qiáng)）。

剛才我們提到的數(shù)學(xué)滿分，正是思考版所拿下的成績。

至于指令版，則是在SWE-Bench評測（大模型用coding解決真實(shí)世界問題）中斬獲69.6分，位列全球第一梯隊(duì)。

以及在Tau2 Bench測試（考察Agent工具調(diào)用能力）中，超過Claude Opus4和DeepSeek V3.1，拿下74.8分的成績。

強(qiáng)，確實(shí)是有點(diǎn)強(qiáng)。

但有一說一，如果說Qwen3-Max是一把“火”，那么在剛剛的云棲大會(huì)上，通義團(tuán)隊(duì)還散出了很多的“星”。

視覺：Qwen3-VL重磅開源

從Qwen3-Max散出來的第一個(gè)“星”，就是視覺理解模型Qwen3-VL。

其實(shí)它在今天凌晨的時(shí)候已經(jīng)開源，屬于“微鮮”出爐，但確實(shí)是大家比較期待的那一個(gè)。

具體而言，這次的型號(hào)叫做Qwen3-VL-235B-A22B，同樣分為指令版和推理版。

其中，指令版本在多項(xiàng)主流視覺感知評測中，性能達(dá)到甚至超過Gemini 2.5 Pro；而推理版本則是在眾多多模態(tài)推理的評測基準(zhǔn)下取得了SOTA的表現(xiàn)。

除此之外，Qwen3-VL-235B-A22B指令版還支持在帶圖推理，并且在四項(xiàng)基準(zhǔn)測試中的成績均有所提升。

網(wǎng)友在看到成績之后，甚至直呼：

Qwen3-VL真是個(gè)怪物（太強(qiáng)了）。

實(shí)際測試效果現(xiàn)在也已經(jīng)放出來了。

例如把一張手繪的網(wǎng)頁“喂”給Qwen3-VL，它就能唰唰唰地給出HTML和CSS：

再如給它下面這張圖：

并讓Qwen3-VL完成如下任務(wù)：

找出屬于以下類別的所有實(shí)例：“頭部、手部、男性、女性、眼鏡”。請以JSON格式報(bào)告邊界框坐標(biāo)。

更復(fù)雜的視頻理解，Qwen3-VL也是不在話下：

更多案例可以通過下面的視頻了解一下：

從技術(shù)層面來看，Qwen3-VL還是采用了原生動(dòng)態(tài)分辨率設(shè)計(jì)，但在結(jié)構(gòu)設(shè)計(jì)上進(jìn)行了更新

一是采用MRoPE-Interleave。原始MRoPE按時(shí)間 (t)、高度 (h)、寬度 (w) 順序劃分，使時(shí)間信息集中在高頻維度。Qwen3-VL改為t、h、w交錯(cuò)分布，實(shí)現(xiàn)全頻覆蓋，提升對長視頻的理解，同時(shí)保持圖像理解能力。

二是引入DeepStack，融合ViT多層特征，增強(qiáng)視覺細(xì)節(jié)捕捉和圖文對齊。

團(tuán)隊(duì)將視覺tokens的單層注入擴(kuò)展為LLM多層注入，并優(yōu)化特征token化：對ViT不同層輸出分別token化并輸入模型，從而保留從低層到高層的多層次視覺信息。實(shí)驗(yàn)表明，該設(shè)計(jì)顯著提升了多種視覺理解任務(wù)的表現(xiàn)。

三是將視頻時(shí)序建模由T-RoPE升級(jí)為 文本時(shí)間戳對齊機(jī)制。通過“時(shí)間戳-視頻幀”交錯(cuò)輸入，實(shí)現(xiàn)幀級(jí)時(shí)間與視覺內(nèi)容的精細(xì)對齊，并原生支持“秒數(shù)”和“HMS”兩種輸出。如此一來，便改進(jìn)提升了模型在事件定位、動(dòng)作邊界檢測、跨模態(tài)時(shí)間問答等復(fù)雜時(shí)序任務(wù)中的語義感知與時(shí)間精度。

全模態(tài)：Qwen3-Omni開源

Qwen3-Omni雖然是昨天凌晨已經(jīng)開源，但在這次云棲大會(huì)中也是一同亮相，主打的就是一個(gè)全模態(tài)。

它是首個(gè)原生端到端全模態(tài)人工智能模型，在一個(gè)模型中統(tǒng)一了文本、圖像、音頻和視頻，并且在22個(gè)音視頻基準(zhǔn)測試中達(dá)到了SOTA的水平。

目前已經(jīng)開源的版本包括：

• Qwen3-Omni-30B-A3B-Instruct
• Qwen3-Omni-30B-A3B-Thinking
• Qwen3-Omni-30B-A3B-Captioner

不過基于Qwen3-Omni還衍生出了更多好玩且強(qiáng)悍的細(xì)分大模型。

例如今天發(fā)布的Qwen3-LiveTranslate就是其中一個(gè)——視、聽、說全模態(tài)同傳大模型！

目前，它已經(jīng)實(shí)現(xiàn)了覆蓋18種語言的離線和實(shí)時(shí)兩種音視頻翻譯能力。

從公開測試的成績來看，Qwen3-LiveTranslate-Flash的準(zhǔn)確率已經(jīng)超過了Gemini-2.5-Flash、GPT-4o-Audio-Preview等：

即便是在環(huán)境嘈雜的地方，Qwen3-LiveTranslate-Flash依舊是能hold得住：

至于具體效果，來感受一下具體實(shí)操的效果：

英文原文：What is mask? This is mask. This is mask. This is mask. This is Musk.

視覺增強(qiáng)前：什么是口罩？這是口罩，這是口罩，這是口罩，這是口罩。

視覺增強(qiáng)后：什么是口罩？這是面膜，這是口罩，這是面具，這是馬斯克。

網(wǎng)友看罷，也是有億點(diǎn)點(diǎn)震驚在身上的：

我都覺得有點(diǎn)恐怖了。

除了翻譯之外，Qwen版Banana——Qwen3-Image-Edit的新版本，也是非常有趣的一個(gè)模型。

不僅支持多圖融合，提供“人物+人物”，“人物+商品”，“人物+場景” 等多種玩法，還增強(qiáng)了人物、商品、文字等單圖一致性。

而且它還原生支持ControlNet，可通過關(guān)鍵點(diǎn)圖改變?nèi)宋镒藙荩€可輕松實(shí)現(xiàn)換裝需求。

編程：Qwen3-Coder升級(jí)

新升級(jí)的Qwen3-Coder-Plus玩了一套“組合拳”：Qwen Code、Claude Code系統(tǒng)聯(lián)合訓(xùn)練。

如此打法之下，它的性能效果得到了顯著的提升；可以看到相較于之前的版本，在各項(xiàng)基準(zhǔn)測試中的分?jǐn)?shù)都有所增長：

與此同時(shí)，與之相關(guān)的編程產(chǎn)品Qwen Code也有了升級(jí)動(dòng)作，增加了對多模態(tài)模型和sub-agent的支持。

換言之，你現(xiàn)在用Qwen Code的時(shí)候，可以輸入圖像了：

然后已經(jīng)有網(wǎng)友開始在實(shí)測了，Qwen3-Coder-Plus打造的一座3D寶塔效果是這樣的：

Qwen的終點(diǎn)，不只是開源

最后，總結(jié)一下這次云棲大會(huì)中的亮點(diǎn)。

首先就是從前天至今，阿里通義千問已經(jīng)陸陸續(xù)續(xù)發(fā)布、開源大大小小近十款模型，已經(jīng)是讓國內(nèi)外業(yè)界人士對阿里云的開源速度嘆為觀止。

但有一說一，在聽完阿里云智能集團(tuán)董事長兼CEO吳泳銘的演講之后，我們發(fā)現(xiàn)，通義千問要做的事情，遠(yuǎn)不止于此。

因?yàn)閰怯俱懕硎?，?shí)現(xiàn)AGI已然是確定性事件，但這還僅是起點(diǎn)，終極目標(biāo)是發(fā)展出能自我迭代、全面超越人類的超級(jí)人工智能（ASI）。

而要實(shí)現(xiàn)ASI，則需要以互聯(lián)網(wǎng)為起點(diǎn)，經(jīng)歷四個(gè)階段：

第一階段是智能涌現(xiàn)（學(xué)習(xí)人）、其次是自主行動(dòng)（輔助人）、接下來是自我迭代（超越人），最后就是超級(jí)人工智能（ASI）。

除此之外，吳泳銘還非常有遠(yuǎn)見地認(rèn)為：

大模型將是下一代操作系統(tǒng)，自然語言是以后的源代碼，AI Cloud是下一代計(jì)算機(jī)。

未來全世界或只會(huì)有5-6個(gè)超級(jí)云計(jì)算平臺(tái)。

但需要明確的一點(diǎn)是，AI越強(qiáng)，人類越強(qiáng)。

One More Thing

哦對了，通義千問那個(gè)新一代基礎(chǔ)模型架構(gòu)——Qwen3-Next，今天也正式發(fā)布了！

它的模型總參數(shù)量大約是80B，但實(shí)際上，僅僅在激活3B的情況下，它的性能就可以跟Qwen3-235B媲美。

計(jì)算效率，可以說是直接Pro Max了~

而且與密集模型Qwen3-32B相比，它的訓(xùn)練成本降低了超90%，長文本推理吞吐量提升超過10倍。

不得不說，未來大模型的訓(xùn)練和推理效率，要變得更加有意思了。

參考鏈接：
https://qwen.ai/research