SuperCLUE2025年年度基准测评Qwen3-Max-Thinking六大任务得

1.模型介绍. 舰推理模型，在事实知识、复杂推理、智能体等任务上媲美 Preview等国际顶尖模型。 2.能力优势。 (1）复杂推理。Qwen3-Max-Thinking在本次通用测评的推理任 务上取得非常优秀的成绩，具体而言，在数学推理任务中以 80.87分与Gemini-3-Pro-Preview并列全球第一，超越GPT- 5.2(high)、Claude-Opus-4.5-Rea soning等一众国际顶尖模型。在 科学推理任务中也以68.85分取得全球第六的成绩，整体的推理 能力十分强悍。 (2）智能体-任务规划。Qwen3-Max-Thinking在智能体任务上 取得70.13分，身全球Top3，超越Gemini-3-Pro-Preview，媲美 3.提升方向。 （1）幻觉控制。Qwen3-Max-Thinking在该任务上取得74.05分, 相较于Preview版本，有12分左右的提升，但整体处于中游，与 头部模型还存在14分左右的差距，存在一定的提升空间。 (2）精确指令遵循。Qwen3-Max-Thinking在该任务上取得 28.22分，位于中部水平，与海外最佳模型差距近23分，与国内 最佳模型差距超过9分。 （3）代码。Qwen3-Max-Thinking在代码生成任务上取得41.56 分，超越Gemini-3-Flash-Preview，但较最佳模型还有12分左右 的差距。