Alibaba запустила Qwen3-Max-Thinking: ИИ с триллионом параметров и мировыми результатами

Alibaba представила Qwen3-Max-Thinking: новый уровень ИИ-модели

По данным IT Home, 26 января 2026 года компания Alibaba официально анонсировала новую версию своей крупнейшей ИИ-модели — Qwen3-Max-Thinking. Модель демонстрирует улучшения в нескольких ключевых направлениях, включая фактические знания, сложные логические рассуждения, выполнение инструкций, выравнивание с предпочтениями пользователей и способность к автономной работе с инструментами.

На 19 международных тестовых площадках модель показала результаты, сравнимые с такими решениями, как GPT-5.2-Thinking, Claude-Opus-4.5 и Gemini 3 Pro. Это позволяет говорить о её высоком уровне технической зрелости. Важно отметить, что модель Qwen3-Max-Thinking имеет свыше триллиона параметров, что стало возможным благодаря масштабной процедуре усиленного обучения и внедрению новых технологий, улучшающих логику рассуждений.

Новые функции для повышения эффективности

Модель получила улучшенные навыки автономного использования встроенных инструментов, что позволяет ей работать, как профессионал: анализировать, использовать инструменты и генерировать ответы, соответствующие ожиданиям пользователя. Это особенно важно при решении сложных задач, где требуется не только логика, но и доступ к внешним данным.

Особое внимание было уделено снижению риска генерации ложной информации («фейков»), что делает модель более надёжной в условиях реального применения. Улучшенная архитектура обеспечивает стабильность и точность вывода, что особенно ценно в научных, технических и аналитических задачах.

Результаты на международных тестах

Модель Qwen3-Max-Thinking установила новые рекорды на нескольких международных тестах. В частности, она показала высокую точность в тестах по научным знаниям (GPQA Diamond), математическим вычислениям (IMO-AnswerBench) и программированию (LiveCodeBench), достигнув международного уровня.

В тестах GPQA Diamond модель набрала 90.3 балла, в HLE — 34.1, а в LiveCodeBench v6 — 88.0. С применением новых методов тестирования эти показатели выросли до 92.8, 36.5 и 91.4 соответственно. Это демонстрирует, что модель не только обладает широким кругом знаний, но и способна эффективно использовать дополнительные ресурсы для повышения качества вывода.

Технические инновации: тестирование с расширением

Разработчики внедрили новую стратегию тестирования — Test-Time Scaling, которая позволяет использовать дополнительные вычислительные ресурсы в процессе рассуждений. В отличие от традиционного увеличения числа параллельных потоков, новая технология фокусируется на повторной оценке и синтезе информации из предыдущих этапов. Это позволяет модели избегать повторных вычислений и концентрироваться на неизвестных аспектах задачи.

В тестах, где применялась эта технология, модель показала улучшения в таких направлениях, как GPQA, HLE, LiveCodeBench и IMO-AnswerBench. Например, в IMO-AnswerBench результат вырос с 89.5 до 91.5, а в HLE(w/ tools) — с 55.8 до 58.3. Это подтверждает, что модель может эффективно использовать дополнительные ресурсы для повышения качества ответов.

Доступность и интеграция

Модель Qwen3-Max-Thinking уже доступна через платформу Qwen Chat, где пользователи могут взаимодействовать с моделью и её встроенными инструментами. Также доступен API с именем qwen3-max-2026-01-23, что позволяет интегрировать модель в бизнес-процессы и приложения.

Среди ключевых возможностей — автономное использование поискового инструмента, кодового интерпретатора и механизма хранения данных. Это даёт возможность не только получать информацию, но и применять её в реальном времени для решения конкретных задач.

i

Создано специально для ASECTOR

Концептуальное изображение

Представление модели Qwen3-Max-Thinking демонстрирует значительный шаг в развитии ИИ-технологий. Компания Alibaba продолжает укреплять свои позиции в этой области, предлагая решения, которые соответствуют международным стандартам и готовы к применению в реальных условиях.

Когда ИИ становится участником бизнес-процессов: Qwen3-Max-Thinking и новые реалии

Как крупные модели меняют структуру бизнес-процессов

Модель Qwen3-Max-Thinking, представленная Alibaba, демонстрирует не только улучшение производительности, а формирует новую парадигму использования ИИ. Теперь ИИ может не только генерировать текст, а использовать внешние инструменты, анализировать данные и адаптировать свои ответы под контекст. Это делает модель похожей на профессионала, способного принимать решения на основе реальных данных и инструментов.

Для российского бизнеса это означает, что внедрение подобных моделей может существенно изменить подход к автоматизации. Например, в юридической сфере модель может анализировать документы, искать аналогии в судебной практике и предлагать решения, основанные на реальных данных. В финансах — оценивать кредитные риски, анализировать тенденции на рынке и генерировать прогнозы. Но с ростом функционала растут и требования к инфраструктуре, к качеству данных и к безопасности.

Технологии, которые меняют подход к тестированию

Особенностью Qwen3-Max-Thinking является не только её размер, но и подход к тестированию. Вместо традиционного увеличения параллельных потоков, разработчики внедрили Test-Time Scaling — метод, позволяющий модели использовать дополнительные ресурсы в процессе рассуждений. Это позволяет ей не только перепроверять свои выводы, но и концентрироваться на неизвестных аспектах задачи.

Такой подход особенно важен в условиях, где требуется не только скорость, но и точность. Например, в научных исследованиях или в медицинской диагностике. Но он также требует значительных вычислительных мощностей, что делает модель зависимой от облака. Это, в свою очередь, ставит под вопрос её применимость в условиях, где доступ к интернету ограничен или где требуется высокая степень конфиденциальности.

Важный нюанс: Масштаб модели и её способность к автономной работе с инструментами — это сильные стороны, но они работают только при наличии надёжной инфраструктуры. Если облако не справляется с нагрузкой, модель теряет часть своих преимуществ. Это особенно актуально для бизнеса, где требуется высокая устойчивость к сбоям.

Интеграция и инфраструктурные вызовы

С выходом Qwen3-Max-Thinking Alibaba делает шаг к тому, чтобы ИИ стал не только частью процесса, а его ключевым участником. Модель уже доступна через Qwen Chat и API, что позволяет интегрировать её в бизнес-приложения. Но именно в момент интеграции возникают сложные вопросы: как обучать сотрудников взаимодействовать с моделью, как обеспечить контроль над её выводами, как оценить её влияние на принятие решений.

Для российского бизнеса особенно важен аспект регулирования. В условиях, где требуется соблюдение законодательства, ответственность за выводы модели может ложиться на сам бизнес. Это требует тщательной проверки, документирования и, возможно, даже юридического сопровождения.

Важный нюанс: Успех внедрения крупных ИИ-моделей зависит не только от их технических характеристик, но и от способности бизнеса адаптироваться к новой реальности. Это включает в себя обучение персонала, обновление процессов и формирование новой культуры доверия к ИИ.

Рынок памяти и вычислительных ресурсов: новые центры инвестиций

Рост популярности моделей вроде Qwen3-Max-Thinking напрямую связан с увеличением спроса на DRAM и NAND. По данным аналитиков, глобальный рынок памяти в 2026 году может вырасти на 134% и достичь 5516 млрд долларов, а в 2027 году — ещё на 53%, до 8427 млрд. Рост цен на память, вызванный нагрузкой от интеллектуальных систем, усиливает этот эффект, особенно в сегменте DRAM, где цены могут вырасти более чем на 60% [!].

Это формирует новые центры инвестиций и меняет структуру отрасли. Для компаний, которые хотят внедрять крупные ИИ-модели, становится важным не только наличие модели, но и доступ к соответствующей инфраструктуре. Это включает в себя не только облако, но и локальные вычислительные мощности, способные справляться с высокими требованиями к памяти и скорости обработки.

Конкуренция в китайском ИИ-рынке: Moonshot AI и Alibaba

Успех Qwen3-Max-Thinking — часть более широкой борьбы за лидерство в ИИ между китайскими игроками. Например, компания Moonshot AI, поддерживаемая Alibaba, получила оценку в $4,8 млрд, что свидетельствует о росте интереса к китайским ИИ-стартапам. Её чат-бот Kimi, способный обрабатывать до 128 000 токенов, стал популярным благодаря обработке длинных текстов. В 2025 году была выпущена версия Kimi K2 с открытыми весами, что укрепило позиции компании на рынке моделей [!].

Это демонстрирует, что Alibaba не действует в одиночку — она интегрирует свои разработки в более широкую экосистему, в которой конкуренция между китайскими ИИ-стартапами становится ключевым фактором. Для российского бизнеса это означает, что выбор партнёра и модели становится стратегическим решением, требующим анализа не только технических характеристик, но и долгосрочной устойчивости экосистемы.

Суверенитет в эпохе ИИ: контроль над моделями

Сатья Наделла, глава Microsoft, подчеркнул, что суверенитет компании в сфере искусственного интеллекта определяется её способностью контролировать модели, обученные на закрытых данных. Вместо фокуса на расположении дата-центров, он подчеркивает важность шифрования и технологий, позволяющих сохранить контроль над данными независимо от их географии [!].

Важный нюанс: Это особенно важно для российского бизнеса, где вопросы суверенитета и контроля над данными становятся всё более актуальными. Внедрение моделей вроде Qwen3-Max-Thinking требует не только технической зрелости, но и стратегического подхода к управлению данными и их защите.

Вывод

Модель Qwen3-Max-Thinking демонстрирует, что ИИ-модели становятся не только инструментами, а полноценными участниками бизнес-процессов. Это требует не только технической зрелости, но и стратегического подхода к их внедрению, инфраструктуре и контролю. Успех внедрения таких моделей зависит от способности бизнеса адаптироваться к новой реальности, где ИИ не только поддерживает процессы, а становится их частью.