阿里通义千问Qwen3-Max突破万亿参数，国产大模型迈入新纪元

在9月24日的云栖大会上，阿里巴巴宣布其通义千问Qwen3-Max模型达到“超万亿参数”规模，训练数据量高达36T tokens。周靖人称其为“通义家族最强”。这是国产大模型首次正式站在“万亿级”门槛上。

这次发布会之所以备受关注，是因为“万亿”这个词本身具有象征意义。在AI发展史上，每次参数数量的跨越都被视为行业新纪元的标志：从GPT-2的15亿参数，到GPT-3的1750亿参数，再到GPT-4被推测接近万亿。

如今，国内厂商首次在舞台上宣布“我们也有万亿”，这不仅是一次产品升级，更是一次“地位宣言”。

成绩同样引人注目：在数学推理测试AIME25中，Qwen3-Max取得86.4%的准确率，位列全球前三。在编程基准SWE-Bench Verified上得分69.6%，仅次于GPT-4.1（71.2%），位居全球第二。在Chatbot Arena综合榜单中进入前五，最高位列第四。这是国产大模型首次在多项国际权威基准上全面进入世界前列。

值得注意的是，阿里并非只推出一个“巨无霸”，而是将其切分为多个方向：Thinking版专注复杂推理，适合科研、数学、金融分析等场景。Instruct版擅长指令遵循，更像ChatGPT的日常应用版。Omni版则支持实时语音交互与多模态，让用户能够和AI进行自然对话，甚至在视频场景里实现即时反馈。对普通用户而言，这已经不仅是一个聊天机器人，而是一个能写代码、能看文档、还能听得懂、看得见的全能助手。

为什么国内厂商没有退路

在国际市场，OpenAI的GPT-4.1、Anthropic的Claude已经开始追求“更轻、更灵活”。GPT-4.1的重点是多智能体协作与API工具调用，Claude则强调长文本和安全性。换句话说，他们意识到“越大越好”的阶段正在过去。

而国内，几乎所有巨头都被推向了万亿参数这条单行道。

资本市场的推力最直接。2024年，国内超过50家大模型公司融资总额突破300亿元。投资人最敏感的指标不是你能否落地，而是你是否能在技术指标上追平国际巨头。参数数值，成了最能“安抚市场”的语言。于是，“万亿”成了过关口令，谁没到万亿，谁就可能被贴上“二线”的标签。

企业客户也加了一把火。在采购逻辑里，模型越大，意味着越靠谱。很多需求被天然等同于“只有万亿才行”：跨语种客服、动辄20万字的合同审查、跨行业知识整合等等。哪怕实际差距只是92%与93%的准确率，在客户眼里也足以放大成决定性的差别。于是厂商们不得不迎合这种认知，把“万亿”当成展示实力的筹码。

更深层的原因也在于产业环境。高端GPU的获取仍受限制，国内厂商在算法优化上难以直接与国际巨头硬碰硬。于是，唯有通过“以量补质”来走捷径：扩大参数规模，用工程手段换性能表现。就像LCD时代，中国厂商把背光做到极致，才在画质上追上OLED，如今在大模型赛道，厂商们也只能靠堆算力来追赶。

而这并不是选择，而是被裹挟后的必然。不卷上去，就意味着退出牌桌。

冷冰冰的算力账单

据行业测算（斯坦福AI Index 2024数据，结合多家券商研报），训练一次万亿参数模型，能耗可达2000–5000万度电，仅电费成本就超过上千万元。如果算上GPU采购、数据清洗、分布式工程调度等全流程，完整成本可能超过数十亿元。

推理阶段同样昂贵。恒信证券的一份测算指出，万亿模型的单次调用开销是百亿模型的2–4倍。这意味着企业在部署时要么承担更高的算力租赁费用，要么就要接受调用速度和稳定性的下降。

然而，性能提升却往往只是个位数。比如在客服场景下，一个模型准确率92%，另一个93%，后者的训练成本却可能翻倍。对于企业来说，多花的不是1%，而是实实在在的数亿预算。

这就是所谓的“边际效益递减”。随着参数规模越来越大，性能提升越来越有限，而能耗、账单却是成倍增加。对于巨头来说，这可能是可以承受的“战略性亏损”，但对于普通企业来说，这种成本根本不具备推广价值。

阿里的真正野心，不止是参数

既然如此，阿里为什么还要第一个喊出“万亿”呢？

答案很清楚：阿里瞅准的并不是单纯的参数竞赛，而是一盘云生态的棋。

阿里的真正目标，是让Qwen3-Max成为下一代阿里云的“操作系统”。在百炼平台，它已经开放API，按Token计费。Qwen3-Coder在OpenRouter的调用量一度暴涨1474%，跃居全球第二。同期推出的Qwen3-VL、通义万相2.5、通义百聆，覆盖了视频生成、语音交互、视觉编程等核心场景。

这一套动作意味着阿里要的不只是展示“万亿”，而是要通过API、工具链把企业和开发者的工作流牢牢绑定在阿里云的生态里。未来当企业习惯用Qwen提供的代码生成、长文档处理、语音交互服务时迁移成本会越来越高最终只能留在阿里云。

换句话说，“万亿”是招牌真正的生意在后面。阿里卖的不是模型而是云上的智能操作系统。

万亿之后中国要回答更大的问题

Qwen3-Max抬高了门槛国内厂商被迫跟进。但世界的方向未必是越大越好。OpenAI在推小模型和多智能体Anthropic在强化安全与效率而Meta则通过开源Llama系列构建全球开发者生态。相比之下国内的“闭源+堆参数”路线是否会在长期竞争中失去灵活性？

这也是为什么“智能密度”概念变得重要。所谓“智能密度”就是单位算力、单位成本下所能提供的有效智能输出。未来的竞争不在于谁的参数最多而在于谁能用同样的资源交付更聪明、更实用的结果。

换个角度看万亿参数确实是护城河但可能也是最后的倔强。它能否真正转化为产业价值要看三点：企业是否愿意为高昂算力买单开发者是否愿意留在生态用户是否能切实感受到“省钱省力”。

如果答案是肯定的万亿参数将成为中国大模型产业的里程碑。如果不是它可能会重演“曲面电视”的故事：技术领先却与用户无关。

最后

当全球AI进入“智能密度”时代中国能否从“参数军备竞赛”转向“场景智能革命”将决定我们是引领者还是陪跑者。

“万亿参数或许能刷榜但只有让用户省下一分算力开销才是真正伟大的AI。”