猫眼电影
猫眼电影记者 胡安琪 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1：十大真钱赌场
??11月15日,2023微博之夜收官 以社交之力发挥价值导向作用,
老师师们、同学们：
,牛牛注册送38元。??11月15日,女子带宠物上飞机导致航班延误，要赔偿其他乘客吗？,
学校及周边安全教育国旗下 篇15
,万博manbetx手机登录网页,世界杯买球平台叫什么,宝博体育官网链接。??时事2：鸭博网站
??11月15日,云南正式进入5G-A商用时代 发布十大应用场景,
,足球世界杯 网站推荐,世界杯投注权威颊fc3,tv,果博手机版下载。
??11月15日,广西海警查获特大非法改装大马力摩托艇走私案,
三是积极协调发展各项事业，推进社会全面进步。要按照“三个统筹”的要求，促进社会各项事业与经济发展紧密结合，不断提高人民群众的生活质量和科学文化素质。要大力实施科教兴乡战略，加强农业科技服务体系建设，大力推广应用先进适用技术，促进科技进步与创新。积极开展各类文体活动，丰富广大群众的业余生活。深化人口与计划生育综合改革，落实农村奖励扶持政策，稳定低生育水平。进一步加强基层民主政治建设，提高党务、村务公开质量，认真落实四议两公开工作法，保证人民群众依法行使民主权利。扎实开展“创先争优”活动，通过活动开展，着力引导和促使基层党组织和广大在服务地区经济发展、推动地区科学发展上创先争优，在务实创新、创造工作业绩上创先争优，在坚持学习、提高能力上创先争优，在改进作风、切实为民服务上创先争优，在从严要求、提升社会形象上创先争优。开展创先争优活动的最终目的，就是要通过活动开展，充分发挥基层党组织的战斗堡垒作用和共产的先锋模范作用，积极推动地区经济发展、促进社会和谐，提升服务群众的意识和水平。全乡各级党组织要以求真务实的作风开展好创先争优活动，不断发挥党组织的创造力、凝聚力和战斗力，为推动我乡科学发展和谐发展率先发展做出新的贡献。在创先争优活动中，各支部要特别注重继续抓好城乡党组织“1+1”结对互帮、承诺制和农村“五强五争创”、“争五星”等党性实践活动，机关支部要切实开展好“四比三优一满意”活动，通过扎实开展“创先争优”活动，达到组织创先进，争优秀，群众得实惠的目的。广泛开展群众性精神文明创建活动，加大公民文明行为教育力度，突出抓好未成年人思想道德建设，倡导健康文明的生活方式。认真组织实施公民道德建设工程，不断提升公民思想道德水平。切实抓好精神文明示范点建设和“三改”工作，加大改厨、改厕、改圈力度，营造家庭文化氛围，提高精神文明建设的总体水平;坚持环境卫生月查季评制度，彻底清理门前“三堆”和垃圾死角，引导广大群众养成文明洁净的良好卫生习惯，为建设社会主义新农村营造优美的生产生活环境。
,顶盛体育靠谱,彩99旧版本2016,皇冠足球app怎么下载。??时事3：皇冠滚球手机客户端
??11月15日,酒店“先囤后付”划算吗？“0元囤”可能面临这些风险,
孩子们发出惊呼声，小不点扛回来一头巨兽，十几米长，拥有豹躯，可是却长了一颗可怕的蛟头，即便死去了，依旧在散发着凶威。
,云顶平台首页,皇冠比分90,云博体育app。??11月15日,智能快递柜为何不“香”了,
我们党的根基在人民、血脉在人民、力量在人民。我们的村干部来源于农民。我们必须始终坚持全心全意为人民服务的根本宗旨，切实把以人为本、执政为民、服务人民的要求落实到每一项工作中去。要牢固树立群众观点，切实尊重群众意愿，以群众满意为第一标准，以人民幸福为第一目的。要自觉坚持群众路线，经常深入组户，问政于民、问需于民、问计于民，进一步增进群众感情。要深入群众， 竭力争取群众对党委政府、村支部村委会工作的理解和支持，虚心听取群众的合理诉求，及时反映特殊困难群众的真难实苦，真心解决群众反映的实际困难和问题。大力宣传各项强农惠民政策，扎实推进各项民生工程，坚决兑现向群众承诺的实事，千方百计让的老百姓生活得更加幸福，更有尊严。
,世界杯赌球在哪购买,伟德苹果版,缙云游戏中心。??时事4：滚球竞彩APP
??11月15日,新疆伊宁天鹅湖景区：越冬天鹅成群 画面美不胜收,
小不点发动攻势，以那轮银月守护己身，令太古魔禽冲起，去迎击敌人。
,买球app排行榜,龙8国际体育APP,万博官方manbext官网。??11月15日,聚焦APEC中国工商理事会香港论坛：香港如何“链”通世界？,
上一学年，学校面貌大为改观。塑胶运动场的完工为授牌仪式的成功举办奠定了基础。标准化的实验大楼，完善的实验设备，为学校的科学施教提供了有力保障。校园文化氛围浓厚，体现出我校学生文雅、教师儒雅、环境幽雅、学校高雅的深厚底蕴。学校还添臵了教师办公设备，美化了教师办公室，为教师提供了舒适的办公环境。学校新校区建设正在积极筹备之中。
,伟德体育外围官网,帝臣国际真人打牌,申博真人在线app下载。责编：沈静文
审核：朱胜利
责编：阿桑奇
相关推荐
换一换