猫眼电影
猫眼电影记者 李文力 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：怡红院在线视频播放
??11月16日,“天府之国”携手“海上花园” 共享西部陆海新通道,
“说兵器呢，你们扯哪去了？”
,91色色视屏。??11月16日,当刘震云与靳东同台,
石昊不曾出手，便惊退了山中的几位可怕的霸主。
,亚洲综合视频图片,别c我 啊 嗯上课呢鑫祺,日韩精品视频。??时事2：馃崋馃挦
??11月16日,广州海关查获新型毒品“开心粉”971克,
“石村的朋友，你们出够气了吗，差不多就行啦。”狈村的人焦急，在这样下去，天才就要成残废了，到时候与死狗有什么区别？
,网站在线观看你懂得,性欧美BBw性A片免费APP,我内射女班长小说。??11月16日,26名台胞青年走进重庆抗战遗址博物馆参观,
仅才八九日而已，他就已经衣衫褴褛，几件衣服都被血染红了，撕破了，最终只能换上新剥下的兽皮，以此遮体。
,国产一级婬片A片999,虐乳 电击 虐菊 17C,欧美三级 欧美一级视频。??时事3：二次元小黃片秘 网站
??11月16日,国产大型水陆两栖飞机AG600完成沉积静电地面试验,
第二，党代会的筹备和召开，要严格执行党章规定和上级党组织的有关规定程序，严格执行这些程序，是坚持民主集中制原则，充分保障和发扬党内民主所必需的环节，上级组织要求很严，因此大家不要错误地认为这仅仅是形式。一会儿组织部会给大家做一个培训，介绍相关的程序，使大家能够了解熟悉这些程序，做到心中有数，精心操作实施，注重细节，追求实效，保证工作达到一定的标准和要求。党代会的筹备召开要注重调动广大师生员工的积极性，党代会的主要发动广大、教师和干部充分讨论，集中大家的宝贵意见和智慧。干部要深入基层，深入群众，倾听大家对学校党代阿阳会的希望和要求，并及时发映上来，各总支和支部要做好上下沟通的工作，保持信息畅通，及时化解矛盾，处理难题，维护稳定，要为党代会的顺利召开营造良好的舆论氛围，奠定坚实的群众基础。
,av动态,欧美一级二级A片免费直播视频,免费日韩视频。??11月16日,青海完善社会救助体系：分层分类多元参与,
“快，回村！”石云峰大叫。
,成年在线视频观看,美女射精一级A片区,看污网站免费。??时事4：成人黑桃tv网址入口在线观看
??11月16日,贵州省持续稳步提高城乡低保标准,
一是不断加强理论学习，提高政策水平和执政能力。组织相关人员认真学习领会《第五次西藏工作座谈会》、《国家教育中长期发展纲要》、《全国教育工作会议》和《地区教育工作会议》的精神实质，初步明确索县教育今后一个时期的方向和任务，完成了《索县教育“十二五”规划》的编制起草工作。
,美女爆操视频,爱琴岛论坛亚洲品质自拍网站,天天色天天操综合网。??11月16日,“摇一摇”广告式技术霸凌必须禁止,
近日，山东省郯城县人民法院审理一起生产偷拍器材案，以非法生产、销售窃照专用器材罪，分别判处吕某、徐某二人有期徒刑一年六个月和有期徒刑一年、缓刑一年，并各处罚金。2020年9月至2022年8月，吕某为牟取利益，在未取得任何资质的情况下，通过徐某将手机前置摄像头非法改装到耳机插孔等位置，让设备具备隐秘拍...