अलीकडील मानवी चाचणीत (संशोधनासह) Qwen3-Max Thinking जेमिनी 3 Pro आणि GPT-5.2 ला मागे टाकते

चीनी AI आणि तंत्रज्ञान कंपन्या त्यांच्या अत्याधुनिक AI भाषा मॉडेल्सच्या विकासाने प्रभावित करत आहेत.

आज, लक्ष वेधून घेणारी गोष्ट म्हणजे अलीबाबा क्लाउडची AI संशोधकांची क्वेन टीम आणि त्यांचे स्वतःचे, Qwen3-Max-Thinking या नवीन भाषिक तर्क मॉडेलचे अनावरण.

तुम्हाला आठवत असेल, जसे की VentureBeat ने गेल्या वर्षी कव्हर केले होते, की Qwen ने मजकूरापासून प्रतिमेपर्यंत, स्पोकन ऑडिओपर्यंत विविध प्रकारे शक्तिशाली ओपन सोर्स मॉडेल विविध प्रकारे पाठवून जलद गतीने चालणाऱ्या जागतिक AI मार्केटमध्ये स्वतःचे नाव कमावले आहे. कंपनीला US टेक लॉजिंग कंपनी Airbnb कडून समर्थन देखील मिळाले आहे, ज्याचे CEO आणि सह-संस्थापक ब्रायन चेस्की यांनी सांगितले आहे की कंपनी OpenAI सारख्या यूएस ऑफरसाठी अधिक परवडणारा पर्याय म्हणून Qwen च्या विनामूल्य आणि मुक्त स्त्रोत मॉडेलवर अवलंबून आहे.

आता, प्रोप्रायटरी Qwen3-Max-Thinking सह, Qwen टीमचे उद्दिष्ट जुळणे आणि काही प्रकरणांमध्ये, GPT-5.2 आणि Gemini 3 Pro च्या तार्किक क्षमता ओलांडणे हे आर्किटेक्चरल कार्यक्षमता आणि प्रॉक्सी स्वतंत्रतेद्वारे आहे.

रिलीज एका गंभीर टप्प्यावर येते. त्यात पाश्चात्य प्रयोगशाळा मोठ्या प्रमाणावर ओळखल्या गेल्या आहेत "तर्कशास्त्र" श्रेणी (अनेकदा म्हणतात "प्रणाली 2" तर्कशास्त्र), परंतु नवीनतम क्विन बेंचमार्क सूचित करतात की अंतर बंद झाले आहे.

याव्यतिरिक्त, कंपनीची तुलनेने परवडणारी API किंमत धोरण एंटरप्राइझ दत्तक घेण्यास आक्रमकपणे लक्ष्य करीत आहे. तथापि, हे एक चिनी मॉडेल असल्याने, कठोर राष्ट्रीय सुरक्षा आवश्यकता आणि विचारांसह काही अमेरिकन कंपन्या ते स्वीकारण्यापासून सावध असतील.

आर्किटेक्चर: "चाचणी वेळ मोजणे" पुन्हा परिभाषित करणे

Qwen3-Max-Thinking चालवणारी प्राथमिक नवकल्पना म्हणजे मानक ह्युरिस्टिक्सपासून दूर जाणे. बहुतेक मॉडेल्स रेषीयपणे टोकन व्युत्पन्न करतात, Qwen3 वापरते a "भारी मोड" म्हणून ओळखल्या जाणाऱ्या तंत्रज्ञानाद्वारे चालविले जाते "चाचणी वेळ मोजणे."

सोप्या भाषेत, हे तंत्रज्ञान मॉडेलला बुद्धिमत्तेसह संगणकीय बदलण्याची परवानगी देते. पण भोळेपणा विपरीत "एन" नमुना – जेथे मॉडेल 100 उत्तरे व्युत्पन्न करू शकते आणि सर्वोत्तम एक निवडू शकते – Qwen3-Max-Thinking एक संचयी, बहु-राउंड धोरण वापरते.

हा दृष्टिकोन मानवी समस्या सोडवण्याची नक्कल करतो. जेव्हा एखादे मॉडेल जटिल प्रश्नांना सामोरे जाते, तेव्हा ते फक्त अंदाज लावत नाही; तो पुनरावृत्ती आत्म-चिंतनात गुंततो. हे मालकी वापरते "अनुभव घ्या" मागील विचार चरणांमधून कल्पना काढण्यासाठी एक यंत्रणा. हे मॉडेलला अनुमती देते:

1. मृत टोके ओळखा: तर्काची एक ओळ पूर्णपणे न फिरवता अयशस्वी झाल्यास प्रकरणे ओळखा.

2. एकाग्रता गणना: दिशेने प्रक्रिया शक्ती पुनर्निर्देशित "न सुटलेल्या शंका" ज्ञात निष्कर्ष पुन्हा काढण्याऐवजी.

मूर्त कार्यक्षमता लाभ. अनावश्यक निष्कर्ष टाळून, मॉडेल समान विंडोमध्ये समृद्ध ऐतिहासिक संदर्भ समाविष्ट करते. क्वेन टीमने नोंदवले की या पद्धतीमुळे टोकन खर्च न वाढवता कामगिरीत मोठी उडी झाली:

• GPQA (पीएचडी स्तर विज्ञान): स्कोअर 90.3 वरून सुधारले ९२.८.

• थेट कोड खंडपीठ v6: कामगिरी 88.0 वरून उडी मारली ९१.४.

शुद्ध विचारांच्या पलीकडे: अनुकूली साधने

असताना "विचार करत आहे" मॉडेल शक्तिशाली आहेत, आणि ऐतिहासिकदृष्ट्या ते वेगळे केले गेले आहेत—ते गणितात उत्कृष्ट आहेत, परंतु वेब ब्राउझिंग किंवा कोड चालविण्यास कमकुवत आहेत. Qwen3-Max-Thinking हे अंतर कार्यक्षम एकत्रीकरणाद्वारे भरून काढते "विचार आणि गैर-विचार यांचे नमुने".

मॉडेलमध्ये अनुकूली टूल-विल्डिंग क्षमता आहेत, याचा अर्थ ते वापरकर्त्याकडून मॅन्युअल प्रॉम्प्ट न करता स्वायत्तपणे कार्यासाठी योग्य साधन निवडते. ते या दरम्यान अखंडपणे स्विच करू शकते:

• वेब शोध आणि निष्कर्ष: रिअल टाइममध्ये वास्तववादी चौकशीसाठी.

• स्मृती: वापरकर्त्याचा संदर्भ संचयित करण्यासाठी आणि लक्षात ठेवण्यासाठी.

• कोड कंपाइलर: संगणकीय कार्यांसाठी पायथन स्निपेट्स लिहिणे आणि कार्यान्वित करणे.

मध्ये "विचार करण्याची पद्धत," मॉडेल एकाच वेळी या साधनांचे समर्थन करते. ही क्षमता एंटरप्राइझ ऍप्लिकेशन्ससाठी महत्त्वपूर्ण आहे जिथे मॉडेलला वस्तुस्थिती (लूकअप), अंदाज (कोड कंपाइलर) ची गणना करणे आणि नंतर एका चक्रात धोरणात्मक परिणाम (कल्पना) विचारात घेणे आवश्यक आहे.

प्रायोगिकपणे, संघ लक्षात घेतो की हे संयोजन "प्रभावीपणे भ्रम दूर करते," मॉडेल केवळ त्याच्या प्रशिक्षण वजनावर अवलंबून न राहता सत्यापित करण्यायोग्य बाह्य डेटावर त्याचे तर्क आधारित करू शकते.

सामान्य विश्लेषण: डेटाची कथा

क्विन थेट तुलना करण्यापासून दूर जात नाही.

25 फेब्रुवारी HMMT रोजी, एक कठोर अनुमान बेंचमार्क, Qwen3-Max-Thinking ने 98.0 गुण मिळवले, जेमिनी 3 प्रो (97.5) ला सर्वोत्तम आणि DeepSeek V3.2 (92.5) पेक्षा लक्षणीय पुढे.

तथापि, निर्विवादपणे विकसकांसाठी सर्वात महत्त्वाचा सिग्नल म्हणजे एजंटिक शोध. वर "मानवतेची शेवटची परीक्षा" (HLE) – बेंचमार्क जो 3000 वर कामगिरी मोजतो "Google संरक्षणात्मक आहे" गणित, विज्ञान, संगणक विज्ञान, मानविकी आणि अभियांत्रिकी मधील पदवी-स्तरीय प्रश्न – वेब शोध साधनांसह सुसज्ज असलेल्या Qwen3-Max-Thinking ने 49.8 गुण मिळवले, जेमिनी 3 Pro (45.8) आणि GPT-5.2-Thinking (45.5) ला सर्वोत्तम केले. .

हे सूचित करते की Qwen3-Max-Thinking आर्किटेक्चर जटिल, बहु-चरण प्रॉक्सी वर्कफ्लोसाठी अद्वितीयपणे अनुकूल आहे जेथे बाह्य डेटा पुनर्प्राप्ती आवश्यक आहे.

कोडिंग कार्यांमध्ये, मॉडेल देखील चमकते. एरिना-हार्ड v2 मध्ये, क्लॉड-ओपस-४.५ (७६.७) सारख्या प्रतिस्पर्ध्यांना मागे टाकून त्याने ९०.२ गुण नोंदवले.

विचार अर्थशास्त्र: किंमत संकुचित

प्रथमच, आम्ही क्विनच्या उच्च-ऑर्डर लॉजिक मॉडेलच्या अर्थशास्त्राकडे स्पष्टपणे पाहतो. अलीबाबा क्लाउडची स्थापना करण्यात आली आहे qwen3-max-2026-01-23 प्रीमियम ऑफर म्हणून परंतु स्वतःच्या API वर प्रवेश करण्यायोग्य.

• प्रवेशद्वार: $1.20 प्रति दशलक्ष वर्ण (मानक संदर्भांसाठी <= 32k).

• आउटपुट: $6.00 प्रति दशलक्ष चिन्हे.

मूलभूत स्तरावर, Qwen3-Max-Thinking कसे तयार होते ते येथे आहे:

ही किंमत रचना आक्रमक आहे, अत्याधुनिक कार्यप्रदर्शन ऑफर करताना अनेक जुन्या फ्लॅगशिप मॉडेल्सना कमी करते.

तथापि, विकासकांनी नवीन एजंट क्षमतेची तपशीलवार किंमत लक्षात घेतली पाहिजे, कारण क्वेनने किंमत कमी केली आहे "विचार करत आहे" (टोकन्स) किंमत "एक नोकरी" (टूल वापरा).

• एजंट शोध धोरण: दोन्ही मानक search_strategy:agent आणि सर्वात प्रगत search_strategy:agent_max त्याची किंमत आहे $10 प्रति 1000 कॉल.

  • टीप: द agent_max धोरण सध्या म्हणून चिन्हांकित केले आहे "मर्यादित वेळेची ऑफर," जे सूचित करते की त्याची किंमत नंतर वाढू शकते.

• वेब शोध: प्रतिसाद API द्वारे $10 प्रति 1000 कॉलची किंमत आहे.

विनामूल्य प्रचारात्मक स्तर:त्याच्या अधिक प्रगत वैशिष्ट्यांचा अवलंब करण्यास प्रोत्साहित करण्यासाठी, अलीबाबा क्लाउड सध्या मर्यादित काळासाठी दोन प्रमुख साधने विनामूल्य देत आहे:

• वेब एक्स्ट्रॅक्टर: मोफत (मर्यादित काळासाठी).

• कोड कंपाइलर: मोफत (मर्यादित काळासाठी).

हे प्राइसिंग मॉडेल (कमी नाममात्र किंमत + एक ला कार्टे टूल किंमत) विकसकांना मजकूर प्रक्रियेसाठी जटिल, किफायतशीर एजंट तयार करण्यास अनुमती देते, जेव्हा बाह्य क्रिया – जसे की थेट वेब शोध – स्पष्टपणे ट्रिगर केल्या जातात तेव्हाच प्रीमियम भरतात.

विकसक इकोसिस्टम

एकीकरणाशिवाय कार्यप्रदर्शन निरुपयोगी आहे हे लक्षात घेऊन, अलीबाबा क्लाउडने खात्री केली आहे की Qwen3-Max-Thinking वापरण्यासाठी तयार आहे.

• OpenAI सह सुसंगतता: एपीआय ओपनएआय स्टँडर्ड फॉरमॅटला सपोर्ट करते, ज्यामुळे टीम्सना फक्त फाइल बदलून मॉडेल्स बदलता येतात base_url आणि model नाव

• मानववंशीय सुसंगतता: प्रोग्रॅमिंग मार्केट काबीज करण्याच्या स्मार्ट हालचालीमध्ये, एपीआय अँथ्रोपिक प्रोटोकॉलला देखील समर्थन देते. हे Qwen3-Max-Thinking शी सुसंगत बनवते क्लॉड कोड,एक लोकप्रिय प्रॉक्सी कोडिंग वातावरण.

निवाडा

Qwen3-Max-Thinking 2026 मधील AI मार्केटची परिपक्वता दर्शवते. ते संभाषण आणखी पुढे नेते "ज्याच्याकडे सर्वात हुशार चॅटबॉट आहे" करण्यासाठी "ज्याच्याकडे सर्वात सक्षम एजंट आहे."

अनुकूली आणि स्वायत्त साधनांच्या वापरासह अत्यंत कार्यक्षम विचारसरणीची जोड देऊन – आणि त्यांना हलविण्यासाठी किंमत ठरवून – Qwen ने एंटरप्राइझ AI सिंहासनासाठी एक उच्च-स्तरीय स्पर्धक म्हणून स्वतःला ठामपणे स्थापित केले आहे.

विकासक आणि कंपन्यांसाठी, "मर्यादित वेळ मोफत" कोड इंटरप्रिटर आणि वेब एक्स्ट्रॅक्टर विंडो सूचित करतात की प्रयोग करण्याची वेळ आली आहे. आयडिया युद्धे खूप दूर आहेत, परंतु क्विनने नुकतेच एक जोरदार हिटर तैनात केले आहे.

Source link