Qwen3-Max：大就是好 - 千问

引言

继 Qwen3-2507 系列发布之后，我们非常高兴地推出 Qwen3-Max —— 我们迄今为止规模最大、能力最强的模型。目前，Qwen3-Max-Instruct 的预览版在 LMArena 文本排行榜上位列第三，超越了 GPT-5-Chat。正式版本在代码能力和智能体（agent）能力方面进一步提升，在涵盖知识、推理、编程、指令遵循、人类偏好对齐、智能体任务和多语言理解的全面基准测试中均达到业界领先水平。我们诚邀您通过阿里云 API 体验 Qwen3-Max-Instruct，或直接在 Qwen Chat 上进行试用。

与此同时，仍在训练中的 Qwen3-Max-Thinking 已展现出非凡潜力。在结合工具使用并增加测试时计算资源的情况下，该"思考"版本已在 AIME 25、HMMT 等高难度推理基准测试中取得 100% 的准确率。我们期待在不久的将来向公众正式发布这一版本。

Qwen3-Max-Base

Qwen3-Max 模型总参数超过 1T，预训练使用了 36T tokens。模型结构沿用了 Qwen3 系列的模型结构设计范式，使用了我们提出的 global-batch load balancing loss。

训练稳定性：得益于 Qwen3 的 MoE 模型结构设计，Qwen3-Max 的预训练 loss 稳定平滑。训练过程一气呵成，没有任何 loss 尖刺，也没有使用训练回退、改变数据分布等调整策略。

训练高效性：在 PAI-FlashMoE 的高效多级流水并行策略优化下，Qwen3-Max-Base 训练效率显著提升，其 MFU 相比 Qwen2.5-Max-Base 相对提升 30%。在长序列训练场景中，我们进一步使用 ChunkFlow 策略获得了相比序列并行方案提升 3 倍的吞吐收益，支持 Qwen3-Max 1M 长上下文的训练。同时，通过 SanityCheck、EasyCheckpoint、调度链路优化等多种手段，Qwen3-Max 在超大规模集群上因硬件故障造成的时间损失下降为 Qwen2.5-Max 的五分之一。

Qwen3-Max-Instruct

Qwen3-Max-Instruct LMArena

Qwen3-Max-Instruct 的预览版已在 LMArena 文本排行榜上稳居全球前三。正式发布版本进一步提升了其能力，尤其在代码生成与智能体表现方面表现卓越。

Qwen3-Max-Instruct Performance

在专注于解决现实编程挑战的基准测试 SWE-Bench Verified 上，Qwen3-Max-Instruct 取得了高达 69.6 分的优异成绩，稳居全球顶尖模型之列。此外，在评估智能体工具调用能力的严苛基准 Tau2-Bench 上，Qwen3-Max-Instruct 更是实现了突破性表现，以 74.8 分超越 Claude Opus 4 与 DeepSeek-V3.1。

Qwen3-Max-Thinking (Heavy)

Qwen3-Max-Thinking

Qwen3-Max 的推理增强版本—— Qwen3-Max-Thinking，通过集成代码解释器并运用并行测试时计算技术，展现了前所未有的推理能力，尤其在极具挑战性的数学推理基准测试 AIME 25 和 HMMT 上，均取得了满分。

目前，我们正在全力推进 Qwen3-Max-Thinking 的训练，期待尽快能让用户体验。

使用 Qwen3-Max 进行开发

现在，您可以在 Qwen Chat 官网直接与强大的 Qwen3-Max-Instruct 模型对话，体验其卓越能力。同时，该模型的 API（模型名称为 qwen3-max）也已开放使用。

您只需按以下步骤操作，即可快速接入 API：

注册阿里云账号：点击此处注册国际版阿里云账号。
开通服务：激活阿里云 Model Studio。
获取密钥：登录控制台，创建您的专属 APIKey。

由于 Qwen 系列 API 完全兼容 OpenAI API 格式，您可直接沿用 OpenAI 调用方式。以下是一个使用 Python 调用 Qwen3-Max-Instruct 的示例代码：

python
from openai import OpenAI
import os

client = OpenAI(
    api_key=os.getenv("API_KEY"),
    base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
    model="qwen3-max",
    messages=[
      {'role': 'user', 'content': 'Give me a short introduction to large language model.'}
    ]
)

print(completion.choices[0].message)

参考文献

Qwen3 Technical Report, arXiv
Demons in the detail: On implementing load balancing loss for training specialized mixture-of-expert models, ACL25
Efficient Long Context Fine-tuning with Chunk Flow, ICML25

引用

如果您认为 Qwen3-Max 有帮助，欢迎您引用这篇博客。

bibtex
@misc{qwen3max,
    title = {Qwen3-Max: Just Scale it},
    author = {Qwen Team},
    month = {September},
    year = {2025}
}