👦🏻 作者: 镜山

🥷 编辑:Zeo

🧑‍🎨 排版: NCon

11 月 14 日，在经过多天的「阿里正在秘密策划一个项目」的舆论猜测后，谜底终于揭晓：

阿里的 AI 超级入口项目，基于 Qwen 模型打造的千问 APP 上线，明确对标 ChatGPT 最新的 5.1 版本。

朱啸虎发了一条朋友圈，说这是在「硬刚」ChatGPT，哈哈。

这是阿里今年宣布的又一个集团战略项目。继 AI 基建、淘宝闪购之后，负责人是阿里巴巴智能信息事业群总裁吴嘉。

千问 APP 由此前的通义 APP 和夸克 AI 对话助手升级而来，接入了阿里通义实验室最新的 Qwen 3-Max 模型。

这是一个非常强的战略信号。阿里把那个已经在全球开发者和技术圈里，被验证过的模型能力，毫无保留地灌注到这个统一的 C 端旗舰入口里 。

这次「正名」，标志着 Qwen 不再满足于「墙外香」，而是要正式「杀回」国内，用一个「全家桶」超级入口，正面迎战已然白热化的 AI C 端战场。

要理解阿里为何在此刻做出这个动作，我们就必须先厘清，那个「认知差」到底有多大。

只在「墙外开花」，对阿里来说反而有点亏

首先，我们得厘清一个「认知差」。

在国内，我们提到阿里的 AI，可能首先想到的是「通义 APP」。但在全球的技术和开源社区，真正「杀疯了」的，是它背后的模型家族「Qwen（也就是「千问」）」。

这就导致了一个很有意思的现象：在千问 APP（原通义 APP）正式面向国内 C 端用户之前，Qwen 模型早已在海外「墙外开花」，引发了科技圈的热烈讨论。

这种「墙外香」的状态，对阿里来说，其实反而有点「亏」，明明有 SOTA 模型的能力，国内用户却感知不强。

那么，这个 Qwen 在海外到底有多火？

就在两周前，有一场引起全网关注的「首届 AI 模型交易大赛」，也叫 Alpha Arena。这场比赛被称为「币圈版的图灵测试」，规则很硬核。

每个参赛的大模型，包括 Qwen3 Max、GPT-5、Grok 4、Gemini 2.5 Pro 等目前最 SOTA 的模型，都获得了 1 万美元的真实初始资金，在真实的加密货币市场进行全自动交易，全程无人干预。

比赛结果非常戏剧化，最终 Qwen3 Max 成了少数的盈利模型之一，并且以 22.3% 的收益率夺得冠军。

而 Qwen3 Max，仅仅是这个大家族中的一员。在过去的几个月里，Qwen 系列模型的身影几乎「屠榜」了各大 AI 技术社区。

这里，我们说几个最受技术社区关注的「明星模型」。

比如，在 2025 年 9 月 Hugging Face 公布的模型趋势榜中，通义旗下就有 7 款模型进入全球前十，这种密度放在开源社区里是非常罕见的。

其中几款经常被开发者点名的模型包括：

• Qwen3-Max：大模型中的「全能型」基座，在 Chatbot Arena 排到全球第三；在斯坦福大学教授吴恩达的 Artificial Analysis 榜单中被视为「性能最高的非推理模型」之一。

• Qwen3-235B：在 Chatbot Arena 开源模型里排在第一。

• Qwen3-VL：视觉方向的主力，在 Vision Arena 里全球第二、开源第一。

• Qwen-Image：在文生图赛道全球第五、开源第一，图像编辑能力排名全球第二。

• Qwen3-Coder：编程模型的头部玩家，与 Claude 4 并列，且在多个评测里超过 GPT-4.1。

• Qwen3-Omni：覆盖音视频交互，在 32 个权威测试里取得开源第一。

这些能力也不是只存在于参数表格里。

Qwen3 的多款模型，包括视觉、图像、生图、音视频，都已经实际集成进千问 APP，成为它真正的底层能力来源。

更关键的是，围绕这些模型的评价，往往与实际业务使用有关。

换句话说，在千问 APP 还没「回国亮相」之前，Qwen 的模型已经在海外被接触、测试、引用甚至依赖了。

对于阿里来说，这种「墙外先火」的节奏多少显得有些微妙：技术早已得到验证，但国内用户直到现在才真正有一个能直接体验全部能力的入口。

也正因为如此，千问 APP 就显得更值得一看，它不仅是一个应用产品，更像是一次「让国内用户第一次亲手体验 Qwen 全家桶」的窗口。

普通人视角的「千问玩法」

如果把千问 APP 当成一个面向普通人的工具，那它想解决的问题其实很简单：让你问一句，它能给到真正有用的答案。

其次就是多模态能力。

现在大家提问不只靠打字，拍截图、拍题、拍菜单早就是日常操作。国内用户更是习惯用「以图搜图」「拍照提问」解决问题。

整体来看，千问 APP 想解决的，就是解决这些日常场景里的普通人每天都会遇到的痛点。

这其实也是一款「APP」最基本的素质。

接下来，我们就用几组真实场景，来看看千问 APP 依托 SOTA 模型，在日常生活里到底能给体验带来多少提升。

DeepResearch

11 月 14 日，千问再升级了 DeepResearch。

接下来，我们就来试一试这个功能。

提示词如下：

英伟达凭什么持续领跑 AI 赛道？

千问 APP 的 DeepResearch 直接整出来了 8000 字的完整深度研究报告。

它把英伟达的护城河拆成四块：GPU 架构、CUDA 生态、AI 工厂战略和未来技术布局。

每一部分都有节奏、有因果、有例子，读起来不像自动生成，更像一个懂行业的人在讲解。

其次，它处理细节的方式很稳，能给出非常密、非常具体的数据：比如 GPU 的迭代周期、Blackwell 架构的算力指标、CUDA 生态的开发者人数、量子计算的通信延迟、医疗与汽车行业的实际加速案例等等。

AI 修图

AI 修图里，千问用的之前非常有热度的 Qwen-Image 模型。

比如，下面这只小狗是我在短视频平台看到的，我就顺手把它上传到了千问的「AI 修图」功能里，输入提示词：

可以看的出来，整体的效果还是不错的，这种操作流就很方便：

它理解得很快，边缘处理也干净，连毛发的细节都保留得不错。

AI 修图这个功能里，甚至你能明显感觉到千问在 C 端体验上花了不少心思。

除了基础的擦除和补图，人像修图里也做得很「日常化」。它没有把功能做成那种很专业、很多按钮的 UI，而是直接把场景化的需求塞成一个个按钮。

比如说，人像修图里面已经集成了非常的场景化的功能，像是：添加滤镜，HD 变清晰，扩图等等。

这次依然请来了我们的 Koji 老师客串模特。我用千问 APP 直接粗暴地把他扣了出来，然后套了个滤镜、调了点磨皮，完全没做复杂的操作：

（他自己看了之后又一次表示「还挺帅的」，我怀疑他本质上在享受被当测试素材的感觉）

最近在各个社区里，「食材选美大会」都非常火，所以我就试着让千问帮我做个「红烧肉选美大赛」，直接整 16 张红烧五花肉图片，每一张都非常相似，但其实真的会有「不一样的地方」：

而且每一张都类似，但会在细节上偷偷变一点，像是油亮程度、边角弧度、光泽反射、肥瘦比例。

然后我又试了一个「香蕉选美大会」：

这一圈试下来，千问 APP 背后的图像模型基本就是「够用且友好」。

可以看的出来，千问 APP 背后接的图像编辑模型的效果其实已经非常够用了，尤其是在阿里最看重的「C 端用户」。

万相 AI 视频

修图之后，我们再看看它的 AI 视频功能。千问这次接的是自家的通义万相模型，就是之前在各个平台上很火、被用来做创意短片的那个，而且千问 APP 里现在已经集成了很多短视频平台很火的模版。

我又「借用」了 Koji 老师，让他出演了几个实验性视频，结果出来的效果都让我觉得：

嗯，万相还是那个熟悉的万相，一致性和画面感依旧很抗打。

比如这个《飞得更高的 Koji》，风格很轻松：

这个是非常火的《角色小人转换》，Koji 的五官、衣服、体态都保持得很好，完全没有「模型突然忘了谁是谁」的那种跳脱感。

还有一个《人物转身》模板，万相这一代很有优势的点之一就在于：人物转身、侧脸、背影都能保持一致：

能看得出来，AI 视频背后接的万相模型还是非常抗打，人物一致性都保持的比较好。

从这几条样片能看得出来，千问 APP 的视频模块已经对普通用户足够友好：低输入（几张图 / 一个视频）→ 高产出（完整短片）。

尤其在 C 端用户的日常使用里，完全能当作一个「随手生成好玩的短视频」的创作工具。

AI 创作和智能体市场

在千问 APP 里，我发现集成的「AI 创作」和「智能体」功能，现在都被理的更顺了，放在了主页面左侧：

这些小的「AI 产品」目前在千问 APP 里算是优化过一次工作流了，每一个点进去都还是有比较成熟的效果体现。

比如，我知道很多朋友一开始选择用「千问 APP」的老版本「通义 APP」的原因就是：算命占卜，周围很多朋友的是出于这个理由下载的。

所以，我又随机点进了一个使用量非常高的「塔罗占卜」智能体里，测了下最近我跟 TA 的感情运：

先不说结果如何，这个智能体的 UI 就还不错，已经在交互上比较成熟了。我又试着翻了翻「AI 创作」和「智能体」，里面的集成的数量非常多。

基本涵盖了「生产力场景」和「情绪价值场景」的大多。

所以，看完这么多千问 APP 的能力，我们再回过头来看「通义」改名「千问」这件事 ，背后的战略就非常清晰了。

这叫「正名」。

过去，阿里的 AI 布局很广，但 C 端用户对「通义」的认知，和 B 端开发者对「Qwen」实力的认知是脱节的。

这次更名，就是要把这两者强行拉平。

阿里似乎在说：

别再把千问 APP 当成一个普通的聊天机器人了，它现在是「体验最新、最强 Qwen 大模型的第一入口」。

这也解释了为什么千问 APP 的功能看起来如此「大而全」。

【1】如果用户想识别图片、做多模态推理？

它调用的是在 Vision Arena 上排名全球第二、开源第一的 Qwen3-VL 。

【2】如果用户想写代码？

它调用的是编程能力登顶全球开源模型（并列第一）的 Qwen3-Coder 。

【3】如果用户想文生图？

它调用的是在图片编辑能力上排名全球第二、开源第一的 Qwen-Image 。

现在，阿里正试图通过「千问 APP」，把这些硬核的专业能力，第一次全面开放给每一个普通用户。

🚥

所以，从「通义」更名为「千问」，已经不只是一次简单的品牌升级。

这是一个清晰的战略信号。

它标志着阿里不再满足于「墙外开花」，在海外社区和 B 端被开发者们「封为源神」 ，而是要正式「香」回国内。

用一个统一的旗舰产品，正面迎战国内本就激烈的 AI C 端产品市场（尤其是 AI ChatBot）的激烈搏杀 。

过去 3 年，我们总在讨论：「怎样才能够硬刚 ChatGPT？」

但从阿里的这次布局来看，他们正在准备一个自己的回答：

一个强大的、覆盖全模态的「模型家族」 + 一个全球 TOP 的「开源生态」 + 一个统一的「C 端超级入口」

把以上三者合一，或许才是阿里心中「能够硬刚 ChatGPT」的真正形态：一个更聪明、更全面的国产 AI 。

未来，我们也非常期待看到国内的 AI 技术带来更多惊喜和实质性的进展。