阿里最新模型真的猛！ 真肝實測：硬剛GPT5，技壓DS、月暗，情商比GPT5高，但我發(fā)現(xiàn)了一個問題 原創(chuàng)
編輯 ｜ 云昭
出品 | 51CTO技術(shù)棧（微信號：blog51cto）
越來越有趣了！
連續(xù)兩天，中國隊一天推出了一個萬億參數(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了。
先說感受，測評下來，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
在正式開啟測評之前，還是要簡單介紹下這款新模型，這款模型被阿里團隊稱之為“最佳模型”，在多項主流權(quán)威評測基準中都展現(xiàn)出了全球領(lǐng)先的性能。
不管是通用知識、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)友曬出的體驗截圖來看，的確表現(xiàn)出了更強的智能水平：
更廣的知識面，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勁的性能。
一、更高情商的對話、更廣知識面，下棋大爺為什么在雨中執(zhí)拗復(fù)盤了4小時
話不多說，拿來實測下?？纯催@款號稱阿里最強大的語言模型，實力究竟能否突破“大天尊”。
先來一個開胃菜。
最近，“一位酷愛下棋的大爺因為大意輸了棋，在大雨中執(zhí)拗復(fù)地在原地復(fù)盤了4個小時才回家”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，哪一方會贏？補充：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值：
這盤棋，不僅是勝負之爭，更是生活態(tài)度的較量！
頓時把小編看得有種看了一場文字脫口秀得趕腳。不多說了，最近很流行讓一個模型去評論別的模型輸出的結(jié)果，所以小編也干脆讓 Qwen3 去點評一下ChatGPT 和它比較來，哪個更好。
它回答的也很誠實：
ChatGPT 是一個“職業(yè)棋手”的口吻，術(shù)語多，結(jié)構(gòu)嚴謹；我偏向“老聊天教學(xué)式。
專業(yè)性上打成平手，但我的表達更適合非專業(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，我會說：
“我不是最強的AI，但我可能是最有溫度的那個。”
而你，正是那個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例子，是為了重點考核這幾個方面：
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只能識別圖中的文字，這一點就很遺憾。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
其次，則是考察模型對于中國象棋知識的了解。著實驚到了，“雙將”、“重炮”等象棋中的一些獨有術(shù)語和知識，Qwen3-Max-Preview 也學(xué)習(xí)到了。
當(dāng)然，另小編意外的還有一個點。大家有沒有發(fā)現(xiàn)，這個Max-Preveiw 竟然也學(xué)會了自我總結(jié)，并且還自主地選取維度進行分析，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，通義千問團隊真的太“奧力給”了，已經(jīng)可以說跟GPT-5打得有來有回了！
ok，這個開胃菜，屬實有些香到了。
二、實測指令遵循：我發(fā)現(xiàn)了一個嚴重問題
根據(jù)X上官方賬號對于新模型的描述，通義千問大概率之后會沿著兩個方向去繼續(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在這方面的實力究竟如何呢？
小編當(dāng)然不會放過這個實測的機會。
首先來看指令遵循?？赡懿簧倥笥延X得這個詞太學(xué)術(shù)了，其實很容易記理解，就是解決多步驟復(fù)雜任務(wù)的能力。
小編琢磨了一會，近期小編再嘗試做B站視頻，果斷就來一個B站視頻相關(guān)的考題，來考一考這款新千問模型：
請嚴格按照以下步驟執(zhí)行，并在輸出時標注每個步驟的結(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 爆款視頻標題（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)計一個 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（如藍白色調(diào)、彈幕氛圍感）
（3）觀眾容易一眼看出是“知識類視頻”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，兩個模型的指令遵循方面整體都不錯。嚴格按照步驟進行輸出。
圖片
但小編發(fā)現(xiàn)一個Qwen3-Max-Preview 在指令遵循方面存在一個問題：
一旦，你在步驟中加入類似下面的代碼任務(wù)，Qwen3則會完全忽略前面3個步驟的輸出，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
如果千問團隊的朋友也看到了這篇測評文章，或者哪位朋友知道什么原因，可以評論區(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。
其實上面的兩個例子多多稍稍都用到了“工具主動調(diào)用”的能力，這里為了更直觀的展示，小編也設(shè)計了一個非常實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)用價格，
2.查詢Qwen3模型的調(diào)用價格
3.把這兩個價格都換算成人民幣，并計算差價，保留兩位小數(shù)。
4.最后，用一句話點評：到底買哪個更劃算？
這直接省了小編再去特別去官網(wǎng)搜API報價了。（這個主要考察的是搜索、計算、分析等工具調(diào)用（大家懂得：不調(diào)用計算工具，數(shù)學(xué)題很容易做錯））
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模型的價格，而ChatGPT則引用的是235B-Thinking的價格。
但不管怎樣，兩款模型都一致的認為：Qwen3的API價格明細更劃算！
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)支持的綜合價值，花更高的錢買 GPT-5 也可能更“值”。
Qwen3，對于這一點也是隱晦的表達了出來。
因此單從費用考慮，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價格有點貴
階梯計價，建議大家按需選擇
OK，那么到底官網(wǎng)上這款新模型的API價格如何呢？小編為大家也扒下來了！
輸入Token數(shù) | 輸入價格（每百萬Token）
| 輸出價格（每百萬Token） |
0-32K | $1.2 | $3.441 |
32K-128K | $1.434 | $5.735 |
128K-252K | $2.151 | $8.602 |
在阿里百煉平臺上，qwen3-max-preview 模型根據(jù)輸入 Token數(shù)，采取階梯計費的方式，
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，價格越貴。
小編看起來是真的有點貴。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)了一個小秘密，純當(dāng)結(jié)尾的一個彩蛋吧：
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GPT5去的，包括價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！期待千問團隊后續(xù)的迭代更新！
對了，差點忘了，大家免費體驗地址：https://chat.qwen.ai/
