新万博体育

　　猫眼电影记者 张贤秀 报道Q8X2R7L1T4J5M9B6W3

导语：Qwen3 旗舰模型已进入全球第一梯队、国内Top 2–3的行列：综合能力略低于Gemini3、GPT-5.1和Kimi K2 Thinking，但与Grok 4.1、Claude Opus 4.1属于同档。

阿里近期发布的千问App引发了外界的关注，其背后的Qwen3大模型与国际和国内几大模型的性能对比，到底水平如何？对用户来说又该如何根据不同的任务来选择不同的大模型？今天给大家做个对比与总结。

01 Qwen3的基本面

阿里在今年推出的第三代大模型Qwen3，是千问App的核心底座。它有几个关键特点：

一、体量和架构

Dense模型：从0.6B一直到32B；

MoE旗舰：Qwen3-235B-A22B（235B 总参数、22B 活跃参数），相当于“参数巨舰+算力省电”。

二、训练规模

训练数据约36万亿token，覆盖119种语言/方言。对数学、代码、STEM推理做了额外强化。提供“Thinking 模式”，类似GPT-o1 / DeepSeek-R1那种显式推理版。

三、应用形态

包括文本对话、写作、代码、多模态（图像/文档/表格），长上下文版本能支持百万级token，对长文档场景很友好。

千问App由于面向C端，通常会使用类似“Qwen3-Max / Qwen3-235B旗舰+ Thinking版”的组合。

02 拿什么“尺子”来衡量Qwen3？

使用如下指标来测评Qwen3的水平：

Artificial Analysis Intelligence Index（AA 指数）

AA指数把MMLU-Pro、GPQA、HLE、LiveCodeBench、SciCode 等十几个高含金量基准融合，

最后给每个模型一个0–100 的综合“智能分”。这个分数目前是国际上最常被引用的大模型“总评分”之一。

LMArena / Text Arena（人类盲评Elo榜）

采用大量真实用户不看模型名，只看回答，投票哪一个更好的方法，用Elo评分来排名，更偏“真实使用体验”的维度。

除此以外，还会使用一些单项基准来进行评测：

AIME2025：竞赛级数学；HLE（Humanity’s Last Exam）：极难综合考试；LiveCodeBench/SciCode：偏实战的软件工程与科学代码；以及其它经典的MMLU、GSM8K、HumanEval 等。

本次评测主要围绕AA榜+人类盲评榜，再辅以少量专项基准，尽量做到客观公正。

进入“顶级区”，但天花板依旧。

AA指数：按目前公开信息，各主流大模型的AA指数得分可以见下表：

注：在AA《State of AI: China Q2 2025》里被列为“最佳非推理 LLM”之一，分数带星号表示部分基于厂商数据估计

就以上得分看，Qwen3的旗舰版本已经站在Grok 4.1和Claude 4.1的身边，但和Gemini3 Pro、GPT-5.1、K2 Thinking之间，还维持着7–10分左右的差距——这在顶尖模型之间，依然是能感知的差距。

人类盲评Elo榜:评测结果是Gemini3 Pro和Grok4.1（Thinking）轮流占据榜首附近。GPT-5.1、Claude 4家族也稳居头部。Qwen3旗舰的打分虽然略低于这些“榜一大哥”，但确实已经混在第一梯队前列，和它们同一张榜单抢票。

更直观的表述是：真正让海外开发者和研究者投票时，用户已经可以感受到：“Qwen3是强模型，和GPT-5 / Gemini3这一线对比，体验上不会拉开巨大差距。”

再看几个单项评测：

AIME 2025：竞赛数学

测试结果大致排序是：GPT-5 Codex (high) ≈ GPT-5.1 > Kimi K2 Thinking > Grok 4 > Qwen3 235B > Gemini 2.5 / Claude 4 系列。

可以理解为，Qwen3在高难数学上是第一梯队，只是在“竞赛数学+推理特化”的场景中，GPT-5.1 / K2 / Grok 4这些“卷数学的怪物”更强。

HLE：超难综合推理

在这个测试中，Kimi K2 Thinking和GPT-5家族在HLE里表现最扎眼。Qwen3和GPT-4.1/Grok-3/Gemini-2.5 Pro这一代差不多，略有提升。测试结果意味着，Qwen3在极限综合推理上没拉胯，但也不是拿第一的那个。

LiveCodeBench / SciCode：工程代码&科学代码

在工程代码方面,GPT-5.1?K2 Thinking? Grok4≈Gemini2.5Pro> Qwen3≈DeepSeek-V3.2。在科学代码（SciCode）测试中，差距更缩小，大家都在40%多一点的区间里挤。

也就是说，如果你用千问写代码，它的水平大致就是“略弱一点的GPT-5.1 / K2 / Grok4”，但绝不是上一代那种明显掉队。

03 中国四强对比：Kimi、Qwen3、DeepSeek、豆包

Kimi K2 Thinking的综合智能得分约67分，在AA榜上直接冲进全球前五，由于模型专门强调浏览、工具调用、Agent任务，所以在HLE、BrowseComp等偏“代理”的基准上特别强。

Qwen3的综合智能得分60 分左右，各方面比较均衡。DeepSeek-V3.2-Exp的综合智能约57分，特点是国产芯片适配、长上下文性能、推理能效方面做了优化，为中国算力环境量身定制。

豆包1.5 Pro（非推理版），AA China Q2 报告中给出的智能指数约 48*，在非推理模型里属于头部，且被列为“最佳非推理大模型”之一；但其推理版（Thinking）目前还没有完整的AA综合分公开。

综合分数上：K2 Thinking > Qwen3 > DeepSeek-V3.2 >豆包1.5Pro。但如果从“算力成本+国产芯片环境”出发，DeepSeek就有独特位置，而Qwen3则在“生态+稳健通用能力”上更加均衡。

04 用户的视角

日常问答、写作与知识检索

对中文/中英混合的日常用法来说，Qwen3 + 千问App 基本已经是世界级的体验之一。回答速度、知识覆盖、上下文记忆、写作风格都很成熟。和GPT-5.1 / Gemini 3 Pro相比，差距主要在极限长链推理和一些特定专业英文领域。豆包则在自然中文表达、口语化对话、社交媒体语境下的风格更自然，适合做聊天、轻量问答和内容创作。

数学&竞赛级题目

如果用户的使用场景是：竞赛数学、高级逻辑题、极端复杂链式推理等，GPT-5.1、Gemini 3 Pro、Kimi K2 Thinking、Grok 4.1 目前仍然略强。

代码开发

Qwen3 在LiveCodeBench / SciCode 这类基准上的表现，已经是“工程可用”的一线水平。真正大规模做代码重构、复杂调试时，GPT-5.1、K2 Thinking、Grok4在一些数据里略有优势，但Qwen3+好的工具链（IDE插件、CI集成）足以支撑绝大多数团队的日常开发工作。

多模态、文档和表格

这一块是Qwen家族的强项之一：Qwen2.5-VL和Qwen3-Omni在图像理解、PDF/文档解析、表格/图表任务上，经常在论文和评测里拿高分。对用户来说意味着你把PPT、PDF、扫描件、复杂报表丢给千问，它一般能看得比较明白。

??时事1：800部黄色网站在线关看

??11月15日,中国未来是否扩大对澳大利亚肉类进口？商务部回应,

　　“好恐怖，幸亏我们临时退却了，不然多半和他们一个下场啊。”石林虎一阵后怕，发现脊背都被冷汗打湿了。

,99re在线观看视频。

??11月15日,三百骑手角逐黄河畔 跟着赛事骑行游山西,

　　1、抓好班级日常工作管理，确保正常有序的班级教学环境，尤其抓好学生的纪律教育。

,A片在线不卡观看免费观看,日韩99精品视频综合区,能看的欧美黄色网站。

??时事2：亚洲精品一级视频在线观看视频在线

??11月15日,“龙虾之都”盱眙小龙虾集中开捕展“富民画卷”,

　　小不点没有一点觉悟，出现后自来熟，跟谁都打招呼，跟这个挥手，跟那个拍肩头。

?第二百二十二章 十凶遗术,老熟妇乱伦网,偷窥×洗澡×撒尿xXx偷拍,浪小辉做零系列之浴缸视频。

??11月15日,（新春走基层）台湾教授二十载“登陆故事”：用艺术助力乡村共富,

　　今天，我们在这里举办庙下镇20xx年度镇村干部培训班。这次培训班范围扩大到各村两委会干部、全体机关干部，目的就是弘扬正气，凝心聚力，在镇党委政府的带领下，积极营造“扬正气、树新风、蹲位担当为人民”的浓厚氛围，努力开创“干大事、创大业、科学发展铸辉煌”的工作局面，力争20xx年的工作取得更加优异的成绩，圆满完成市委市政府下达我镇的各项目标任务。 为了办好这次培训班，镇党委、政府特意邀请了市里领导为大家作专题辅导。在此，我代表镇党委、政府，对在百忙当中前来为我们辅导授课的领导们表示热烈的欢迎和衷心的感谢!

,91视频第一页,九一偷拍网,色小说 操。

??时事3：亚州性图

??11月15日,国家知识产权局局长：今年将全面实施专利开放许可制度,

　　而旁边的人立时哗然，早知道这么容易，还打什么歪主意啊，根本不用联系族中的高手，直接骗走就行了。

,%@,JUX_956夏目彩春AV8在线观看,欧美免费版污网站。

??11月15日,明星参演的影视涉诈骗，明星要担责吗？律师解读,

　　5、学龄前儿童在街道或公路上行走，须有成年人带领;

,久久久高清精品A片,欧美极品aⅴ影院,无限免费视频性交。

??时事4：超碰日本

??11月15日,福建立法促高质量充分就业 三举措促台胞就业创业享同等待遇,

　　村外燃起了大火，熊熊燃烧，不过却难以蔓延进村中。

,国产黄片免费播放,动漫美女被 到爽 流豆浆,东北普通话呻吟对白视频。

??11月15日,退休干部返乡当义工：我的快乐就是老有所为,

　　它力压火麟、雷鸟、凶蛟，无情镇杀，凶威不可阻挡！

,日韩性插,国产私拍一区二区三区,www.男人天堂. com。