新万博体育

　　猫眼电影记者 杨福泉 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：www.AV破苞

??11月19日,“盲盒”营销不能盲目,

　　为预防春季可能发生的自然灾害和安全事故，认真搞好“全国中小学生安全教育日”活动今年是第十四个“全国中小学生安全教育日”，为推进中学生自护安全教育的有序开展，积极培养学生珍爱生命、关爱生命意识，增长基本的安全自护知识，提高避险抗灾能力，本次活动的主题为“强化安全教育，共建和谐校园”。

,大乳女被狂揉gif图片。

??11月19日,“经济通道”如何转化为“通道经济”,

　　在全县重点工作会议上，我们提出了以完善绩效考核，来推动全县新一轮大发展的新思路、新要求、新目标。为进一步推进全县重点工作的落实，全面做好当前及今后一个时期的城市建设工作，经研究我们决定召开这次高规格、大规模、专题性的工作会议，就是要组织和动员全县上下进一步解放思想，开拓创新，扎实苦干，克难攻坚，全力推进嘉荫城市建设工作，为“打造北方边陲名城、建设和谐嘉荫”提供强大动力和有力支撑。刚才，会议传达了省住房和城乡建设工作会议精神和全省小城镇建设现场工作会议精神，宣读了《新万博体育：进一步规范城市基本建设项目审批及竣工验收事项和明确项目建设参建各方主体责任的意见》，城市建设相关部门及社区代表做了表态发言。希望大家按照会议要求，结合自身实际，认真抓好贯彻落实。下面，我就如何抓好当前及今后一个时期的城市建设工作，讲几点意见。

,中日韩十逼高清无码视频,骚货少年被粗吊日爽到尿失禁,免费高清一区二区不卡片。

??时事2：国产一级黄色AV大全

??11月19日,【光明论坛】坚持守正创新 不断取得改革新突破,

　　2、积极推进档案法治建设

,激情偷乱人乱视频,破苞在线视频免费观看,黄色网站永久入口。

??11月19日,今天全国民航计划执行航班17351班 部分机场航班正常率下降,

　　“心有灵犀一点通！”最后，小不点的母亲参战了，抱着他，杀进战场，与石子陵合力祭出宝术，震动皇都。

,动漫美女足交,秘 骚片免费漫画网站入口,性欧美69式XXXX看三。

??时事3：毛毛视频免费观看

??11月19日,郑州至巴黎跨境电商全货机航线首飞,

　　“射杀！”

,某学校女厕撒尿实拍,美MM特黄AA毛片,精品欧美一区二区在线观看视频。

??11月19日,解决“我是我”等循环证明问题 2023年司法部删减不必要证明材料116项,

　　小不点抬手，一巴掌拍了过去，喀嚓一声战矛折断，而此人则直接横飞了起来，摔出去数十米远，撞在一块巨大的山石上才止住去势，当即瘫在那里不动了。

,99激情网,欧美激情日本,女人抽搐高潮视频黑人大精。

??时事4：免费毛片AV无码专区

??11月19日,《故乡的泥土》总编剧田运章：生活是创作之源,

　　“唔，早点回去吧，听说最近不太平，大荒中的木族一直想发兵呢。而且，据传这片山脉深处来了一头太古遗种，刚在这里落脚，怎么也要逞威一番，以进行震慑，多半会来冲运城闹上一通。”

,高清无码在线二区,久久这里是精品,wwwcom性视频。

??11月19日,特朗普提名亿万富翁领导NASA 曾完成人类首次商业太空行走,

　　刚才，我和各位家长探讨家庭对孩子的影响，我认为教育的效果还取决于学校和家庭教育的一致性。只有学校、家庭、社会三者结合起来，才能达到水到渠成，事半功倍的效果。那么，做为学校我们采取了哪些措施呢？

,国产一级黄网,丝瓜污官网入口在线观看,人人爽人人操。