Qwen3-Max-Thinking 解析：自適應工具使用、經驗累積式測試時擴展與 API 使用方式

2026 年 1 月下旬，阿里巴巴通義千問（Qwen）團隊發布旗艦推理模型 Qwen3-Max-Thinking。它建立在 Qwen3-Max 之上，阿里巴巴曾介紹 Qwen3-Max 參數超過一兆、預訓練資料達 36 兆 token。Thinking 版本新增兩項能力：模型可自行呼叫的工具，以及用於「重度」模式的新型測試時擴展方法。本文說明這兩項技術、官方公布的成績、API 使用方式，以及採用前需要考量的事項。

官方發布了什麼

根據 Qwen 官方部落格，Qwen3-Max-Thinking 投入大量強化學習算力進行訓練，在事實知識、複雜推理、指令遵循、人類偏好對齊與代理任務上都有提升。團隊表示，在 19 項主流基準測試中，其表現可與 GPT-5.2-Thinking、Claude Opus 4.5 與 Gemini 3 Pro 相比。

要注意的是，和許多 Qwen 模型不同，Qwen3-Max-Thinking 並未開放權重，而是透過 Qwen Chat 與阿里雲百煉（Model Studio）API 提供。

自適應工具使用

過去的工具型聊天模型，常需要使用者在任務前手動開啟工具。Qwen3-Max-Thinking 會在對話中自行決定何時使用內建的搜尋、記憶與程式碼直譯器。團隊表示，這項能力來自先針對工具使用進行微調，再以規則式與模型式回饋進一步訓練；搜尋與記憶有助於減少幻覺、取得即時資訊並提供個人化回答，程式碼直譯器則負責運算。

實務上，這在內建工具的 Qwen Chat 中最明顯；在 API 中，開發者仍需決定開放哪些能力、如何處理結果。

「經驗累積」式測試時擴展

測試時擴展指的是在推理階段投入更多運算以換取更好的答案。常見做法是並行取樣多條推理路徑再彙整，例如多數決。Qwen 團隊認為這種方式常產生重複的推理。

重度模式改用經驗累積、多輪迭代的策略：限制並行路徑數量，把省下的算力用於多輪自我反思。「take-experience」機制會從前幾輪提煉關鍵洞見，讓後續輪次不必重新推導已知結論，而是專注在仍不確定的部分。由於帶入的是提煉後的洞見而非完整推理紀錄，上下文視窗的使用效率也更高。

官方公布，在 token 消耗大致相同的情況下，相較標準並行取樣的提升如下：

基準	標準並行取樣	經驗累積式
GPQA	90.3	92.8
HLE	34.1	36.5
LiveCodeBench v6	88.0	91.4
IMO-AnswerBench	89.5	91.5
HLE（使用工具）	55.8	58.3

常被引用的「人類最後的考試」（HLE）58.3 分，是重度模式下使用工具的成績。團隊將其與 GPT-5.2-Thinking 的 45.5、Gemini 3 Pro 的 45.8 比較，並表示評測時封鎖了 Hugging Face 等與 HLE 相關的網站，以避免答案外洩。不使用工具時，重度模式的 HLE 為 36.5，比較時必須對齊設定。

如何使用 API

API 透過阿里雲百煉提供，官方部落格示範了兩種方式。

OpenAI 相容端點：

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
)
completion = client.chat.completions.create(
    model="qwen3-max-2026-01-23",
    messages=[{"role": "user", "content": "請簡單介紹大型語言模型。"}],
)
print(completion.choices[0].message.content)

Anthropic 相容端點：將 ANTHROPIC_BASE_URL 設為阿里雲提供的端點、ANTHROPIC_MODEL 設為 qwen3-max-2026-01-23、驗證權杖設為 DashScope API 金鑰，即可讓 Claude Code 等工具使用 Qwen3-Max-Thinking。

API 金鑰請放在環境變數或密鑰管理服務中，不要寫進程式碼。

需要權衡的地方

• 延遲與成本：思考模式，尤其是多輪的重度模式，產生的 token 遠多於直接回答，適合複雜分析、程式設計與研究，不適合快速聊天。大規模使用前請查看百煉的最新價格。
• 資料存放地點：請求會送到阿里雲端點，有資料落地要求的組織應確認使用的區域。
• 廠商自測成績：上述結果來自 Qwen 團隊，獨立評測與你自己在真實任務上的測試更具參考價值。
• 推理過程不透明：多輪自我反思可能讓人更難看出模型如何得出結論，要求提供來源並查核關鍵事實仍然重要。

適用定位

Qwen3-Max-Thinking 鎖定的是值得用延遲換取準確度的困難推理與代理任務。它同時相容 OpenAI 與 Anthropic 格式，降低了切換成本，適合放進多模型架構：簡單問題交給便宜模型，最難的問題再交給思考模型。

參考資料

• 阿里雲社群：Pushing Qwen3-Max-Thinking Beyond its Limits
• Qwen 部落格：Qwen3-Max-Thinking