高难度推理基准测试汇总

Qwen发布Qwen3-Max-Thinking早期预览：宣称在AIME 2025与HMMT达成100%

Qwen 团队在11月初公布 Qwen3-Max-Thinking 的早期预览版本，称该模型为仍在训练中的中间检查点。官方表述指出，在结合工具使用与扩大测试时推理计算（test-time compute）后，该模型在 AIME 2025 与 HMMT 等高难度推理基准上取得 100% 成绩。当前版本...