此次发布的 Qwen3-Max-Preview （Instruct）相较于 2.5 系列，在中英文理解、复杂指令遵循、工具调用等维度实现了显著增强，同时大幅减少了知识幻觉，让模型更智能、更可靠。

据阿里巴巴官方介绍，其参数量达到 1T，并在衡量复杂挑战能力的 Arena-Hard v2 基准测试中“领跑榜单”，在考验推理能力的 AIME25 基准测试中也获得了 80.6 分，展现其强大的逻辑思维。该模型将在处理复杂工作流、进行高质量开放式对话等方面“都将带来全新的体验”。

阿里云采用基于代币的分级定价：

• 0-32K 代币：每百万输入 0.861 美元，每百万输出 3.441 美元；
• 32K–128K：投入 143.4 美元/百万，产出 573.5 美元/百万；
• 128K–252K：投入 2.151 美元/百万，输出 8.602 美元/百万。

这种模型对于较小的任务来说具有成本效益，但对于长期工作负载来说价格会大幅上涨。

闭源是否影响采用

与早期的 Qwen 版本不同，此模型并非开源。访问仅限于 API 和合作伙伴平台。这一选择凸显了阿里巴巴的商业化重点，但可能会减缓其在研究和开源社区的规模化采用。

关键要点

• 首个万亿参数Qwen模型——Qwen3-Max突破1T参数，成为阿里巴巴迄今为止规模最大、最先进的LLM。
• 超长上下文处理——支持262K带有缓存的令牌，实现超越大多数商业模型的扩展文档和会话处理。
• 具有竞争力的基准性能——在推理、编码和一般任务方面优于 Qwen3-235B，并与 Claude Opus 4、Kimi K2 和 Deepseek-V3.1 竞争。
• 尽管经过设计，但仍能产生推理——尽管没有作为推理模型进行营销，但早期结果显示其在复杂任务上具有结构化的推理能力。
• 闭源、分层定价模型——可通过基于令牌的定价 API 获得；对于小任务来说经济实惠，但在更高上下文使用下成本高昂，限制了可访问性。

结语

Qwen3-Max-Preview 为商业 LLM 树立了新的规模标杆。其万亿参数设计、262K 上下文长度以及强劲的基准测试结果彰显了阿里巴巴的技术深度。然而，该模型的闭源版本和高昂的阶梯式定价，能否更广泛地普及是存在一些疑问的。

作者：洛逸