千問、靈光、夸克，阿里AI瘋狂“補課”

定焦One（dingjiaoone）原創

作者 | 王璐

編輯 | 魏佳

阿里在C端AI產品上的密集布局，正引發行業新一輪關注。短短半個月里，阿里系連續推出兩款重磅產品——阿里集團戰略級應用千問APP與螞蟻集團的全模態通用AI助手靈光APP，陣仗之大，頗為少見。

放眼全球AI To C賽道，市場競爭早已進入白熱化：海外市場，ChatGPT牢牢占據用戶心智；國內賽場則是硝煙彌漫，豆包已超越DeepSeek躋身月活TOP1，騰訊元寶、Kimi等無論是大廠出品還是創業公司的先發產品，都已積累了一批較為穩定的用戶群。阿里此時入局，難免顯得姍姍來遲。

但它并非毫無底氣，一方面源于技術沉淀，千問并非從零打造，而是由此前的通義APP與夸克AI對話助手升級而來，核心依托阿里通義實驗室最強的Qwen3-Max模型；另一方面則來自阿里系生態優勢，用戶可在千問中直接調用淘寶、閑魚等多款應用的相關功能。

從目前的反饋來看，用戶喜憂參半：支持者稱贊千問在推理、編程等復雜場景下的表現亮眼，且生態聯動的設想具備獨特吸引力；質疑者則認為，千問的綜合實力與同類AI助手相比并無突出優勢，所謂的“生態聯動”仍停留在基礎層面，大多需要跳轉鏈接才能完成操作。

而在阿里系內部，“夸克+千問+靈光”的多產品并行，更讓從業者拋出了三個核心疑問：千問的真實實力在行業中究竟處于何種水平？在ChatGPT、豆包等玩家早已站穩腳跟的當下，阿里此時入場是否為時已晚？多個C端產品并行的布局策略，是否會導致研發、流量、營銷等資源分散，反而難以形成合力？

全能的千問，離ChatGPT還有差距

作為全面對標ChatGPT的產品，千問APP的產品形態和市面上大部分AI助手區別不大，采用對話式交互、布局簡潔的設計邏輯，用戶點進去能清晰看出各功能分區。

比如用戶可在頁面頂部切換模型（Qwen3-千問和Qwen3-Max雙模型），前者負責回答有關生活中的常見問題，后者主攻推理、代碼生成等更為復雜的任務；中部是對話結果展示區，顯示聊天回復和生成內容；底部則為功能導航欄和問題輸入區，包含、文字、語音、拍照和多功能入口。

AI應用的核心競爭力來源于底層大模型能力，千問APP依托的是Qwen系列模型，并接入了通義實驗室最強大的Qwen3-Max，雖然這一模型尚未開源，但綜合官方公布的各項測試結果和從業者的使用體驗，大家也能對千問的實力作出基本判斷。

一位大模型從業者表示，大模型實力可從語言理解與生成準確性、數學與復雜推理、編程與代碼生成、多模態、生態整合五個維度進行評判，我們也圍繞上述幾大方面對千問進行分析。

語言理解與生成準確性是大模型的基本功，考驗其對多語言、方言及歧義句的理解能力，以及按需生成總結、文案、翻譯等內容的水平。

相較于ChatGPT，千問的核心優勢在于本土訓練數據積淀，Qwen3-Max基于36T（tokens）語料訓練，覆蓋119種語言，在中文語境表現上更勝一籌，能靈活運用成語、方言及網絡新梗。

比如面對“這家店的火鍋好吃絕絕子，栓Q！”這一流行語，千問和ChatGPT均能解讀出“火鍋非常好吃，感謝”的核心含義，但千問還能捕捉“栓Q”背后“無語卻仍想感謝”的微妙社交潛臺詞。

不過多位從業者表示，當前各大模型在表層標準任務的語言能力上差距不大，真正的區分更多體現在含推理的復雜場景中，集中在數學與復雜推理和編程與代碼生成兩方面能力上。

其中，數學與復雜推理能力可以簡單理解為，大模型能否解決多步驟數學和復雜推理題。一位從業者表示，千問系列模型已達到開源第一梯隊水平，特別是在數學競賽、金融分析等特定場景中保持領先。

數據顯示，Qwen3-max-thinking處在半成品（早期預覽版）階段時，便在AIME 2025和HMMT（哈佛-MIT數學錦標賽）的推理測試中拿到100%準確率的優秀成績。

而編程與代碼生成是目前大模型技術落地最為成熟的領域之一，千問的技術表現符合行業預期。其優勢集中在中文編程適配與特定評測指標上，能生成可執行代碼、調試錯誤、優化邏輯，適配不同編程語言和場景。

最后是多模態與生態整合能力，代表著大模型是否可以從“能用”發展到“好用”，也是當前行業競爭的核心戰場。其中多模態相當于大模型的“感官”，集中體現在文字、圖片、音視頻等輸入輸出形式上，生態整合代表大模型“手腳”，影響的是Agent能力。

千問整合了文檔處理、代碼開發、文生圖、圖生視頻等多元功能，形成了較為完整的應用生態閉環，滿足用戶多樣化需求，但多位從業者指出，它在Agent能力上還有明顯短板。

比如，讓千問“規劃一次完整出差”時，其無法像ChatGPT那樣高效地整合多工具、多步驟信息，生成全面且可執行的規劃方案，更多時候需要用戶額外提供細節或進行多輪交互來逐步完善計劃。

資深從業者趙江杰對「定焦One」表示，這本質是技術架構選擇的差異，千問采用的是基于場景適配的專有Agent方案，僅在部分特定場景中專門構建了能完成對應任務的Agent，比如提供DeepResearch和PPT制作服務的Agent；而在沒有配備專有Agent的場景下，會直接調用大模型，無法像專有Agent那樣通過多步驟規劃-執行迭代實現對應的效果。

ChatGPT Agent則不同，它采用的是端到端模型訓練的通用Agent技術方案。在Agent模式下，無論輸入何種需求，都會統一通過這個通用Agent來處理。不過需要說明的是，ChatGPT Agent在不少任務的執行效果上，比不上專有Agent。

打個比方，千問的專有Agent就像醫院里的專科醫生，針對特定病癥（場景）能給出精準高效的治療方案；而ChatGPT的通用Agent則像全科醫生，能應對各類常見需求，但遇到需要深耕的“專科問題”時，專業性就不如專科醫生了。

總體來看，千問的整體表現居開源大模型的頂尖行列，正持續追趕第一梯隊頂級閉源模型的能力，但現階段與ChatGPT相比，仍存在一定差距。

阿里現在做C端入口，不算遲

除了技術實力，阿里在C端賽道的入局時機也是外界關注的焦點。在豆包、DeepSeek、騰訊元寶、Kimi、文小言等競品早已搶先落地的背景下，千問顯得晚來一步。

千問于11月才推出，暫無最新數據，我們可以從更早的公開數據觀察其前身的用戶基礎。QuestMobile數據顯示，豆包和DeepSeek的9月月活（MAU）過億，反觀通義（現千問）僅有306萬左右。

起跑線存在差距，但不代表著千問完全沒有反超的機會，核心機遇來自兩方面。

一方面，目前AI應用的用戶忠誠度不高。

最明顯的案例是Kimi，它去年靠投流獲取了大量用戶，但在今年被DeepSeek反超，證明AI產品依然可以憑借技術實力贏得用戶。AI產品榜最新的10月榜單也顯示，ChatGPT、豆包、夸克等頭部AI助手的月活均增長緩慢，DeepSeek甚至還出現了倒退。更有專家公開表示，許多AI應用的首月用戶流失率高達80%甚至90%。

這意味著，AI賽道尚未形成固化的用戶格局，只要產品足夠智能、好用，就有望快速吸引用戶遷移。

另一方面，阿里的資金、生態和開源優勢，是千問的后盾。

千問依托阿里云，能獲得充足的底層算力支持；阿里系內部的淘寶、支付寶、高德等豐富垂類場景，為其帶來了獨特的數據優勢；同時阿里在AI領域的持續人才投入，也讓千問的技術研發有了可靠保障。

算力、數據、人才三者的結合，為千問大模型提供了技術基礎。而開源策略進一步加速了千問的模型迭代與生態建設。

阿里對Qwen系列采用“核心旗艦模型閉源+輕量版本開源”的組合策略，相比純閉源模式，這種方式既能讓千問團隊認知自身模型的優劣，還能吸引全球開發者參與共建生態，幫助千問實現更廣泛的場景覆蓋。英偉達的CEO黃仁勛在2025GTC大會上就曾提到，Qwen已占據全球開源模型的主要市場份額，且仍在持續擴大。

值得注意的是，阿里系的生態優勢目前尚未完全發揮。

理論上，千問可與淘寶、支付寶等實現賬號無縫登錄與數據打通，借助高德、飛豬、餓了么等內部系統的標準化接口，降低工具調用的協調成本，最終實現從“對話咨詢”到“完成支付”的端到端服務閉環。

但目前無論是ChatGPT，還是豆包、元寶、Kimi等國內競品，都還停留在“導購+跳鏈”的初級階段，尚未打通完整的Agent服務鏈路。趙江杰表示，千問當前也難以實現這一目標。

問題在于行業共性的技術瓶頸，“大模型還不能充分理解復雜場景需求，多App協同的邏輯設計仍不完善，Agent技術的實際落地還處于早期階段，即便未來技術達到相應水平，淘寶、支付寶、高德等APP的API接口并非為Agent量身打造，也會制約生態聯動的效率，”他補充，目前千問的生態聯動僅體現在部分基礎功能上，比如用戶上傳一雙入門級羽毛球鞋的圖片，千問會跳轉至淘寶、閑魚、1688等平臺的搜索鏈接，更深層次的協同尚未實現。

總之，當前AI賽道的用戶忠誠度尚未固化，千問依托阿里云Infra（算力）、阿里生態數字資源（數據）及阿里AI研究投入（算法），此刻入局還不算太遲。但若想真正發揮自身獨有的生態優勢，實現對競品的反超，關鍵在于能否突破大模型的核心技術瓶頸，讓產品能力再上一個臺階。

邁向超級入口，還有內外挑戰

千問的最終目標是成為一個“超級入口”，不管是生活、工作還是學習場景，用戶想獲取信息、解決問題、完成任務，都能在這里搞定。但這條路并不好走，千問要面對的內外部問題有很多。

首先是內部的“同門競爭”。目前阿里系在C端已經推出了三款AI相關應用：千問、夸克和靈光，它們的功能撞車嚴重。

這三款里，夸克不是“天生帶AI”的產品，它前身是2016年UC瀏覽器團隊推出的夸克瀏覽器，2023年才升級成“一體化AI助手”，核心用的是阿里自研的千問大模型，到了2025年3月，又升級成“AI超級框”，主打在瀏覽器里就能做對話問答、總結信息、寫內容、拍照搜題。

千問和靈光是基于AI技術打造的“原生應用”，兩者的區別在于，千問是阿里直接開發，靠的是Qwen系列大模型，靈光由螞蟻集團推出，背后是自研的百靈大模型。

阿里也給三者定下了不同方向：千問是“通用智能助手”，夸克聚焦“AI搜索+瀏覽器”，靈光則是“全模態的生產力工具”。以出游場景為例，可以簡單理解為，千問能幫你策劃完整出游，包含具體的預算和每天的行程；夸克主要幫你列當地特色景點；靈光會直接生成一個有文字有圖片甚至可以互動的旅游小程序。

但實際體驗下來，三者的功能重合度遠超預期。「定焦One」讓它們分別規劃“下周末三天兩晚的兩人親子三亞游”，要求包含預算、行程、景點和美食，結果三者給出的內容類似，主要區別在于：

千問給出了最詳細的行程，以小時為單位。但弄錯了時間，把下周六（11月29日）寫成了11月30日；

夸克按照上午、下午進行規劃，略顯粗糙；

靈光在文字規劃外還配了大量圖片，形式更為豐富。

從左到右依次為：千問、夸克、靈光

三者給出的預算也接近，千問給出了（2大1小）的總預算為4800-6200元；夸克按單人算，分了經濟型、舒適型、品質型三檔，最便宜的經濟型1500-2000元/人，和千問的總預算折算后差不多；靈光給出的人均預算也在1500-2500元，并在此基礎上做了預算對比柱狀圖。

靈光的預算柱狀圖

整體來看，盡管定位各異，但在具體任務上三者的方案高度趨同，差別更多體現在呈現方式。

趙江杰分析，之所以內容重合度較高，特別是夸克和千問的回復，核心原因有兩點；一是網上關于三亞旅游的公開資料信息源相對固定，而大模型本質上是對現有信息進行組合加工，因此其處理的上下文也比較類似；二是千問和夸克背后均采用Qwen系列大模型，面對這類特定問題時，二者的思考邏輯相近，輸出結果自然也就趨于一致。

不止一位從業者覺得，現在夸克和千問的功能重疊嚴重，甚至千問已經涵蓋了夸克的核心功能。趙江杰也認為，如果夸克不突出自己的瀏覽器屬性，很容易讓用戶產生用夸克還是千問的認知混淆。

此舉也會導致阿里集團的資源（比如流量、研發投入、營銷費用）分散投放。而且夸克還在給千問導流，搜索框里專門加了千問按鈕，用戶只需點擊或者滑動，便能直接進入千問界面。

從夸克首頁可進入千問

除了內部競爭，千問還面臨一個關鍵問題：阿里內部各業務線愿意給它開放多少核心數據，直接決定了千問的聰明程度。

比如淘寶是否可以把實時價格波動、真實的用戶評論等內部數據開放給千問，如果只給一些淺層的商品信息，千問就無法根據用戶的歷史消費偏好做精準推薦，自然也就難和其他競品形成差異化。

但開放核心數據又會帶來隱私安全挑戰和用戶信任度的問題，比如讓它推薦一款手機，用戶可能會覺得“這是在為淘寶帶貨”，所以有從業者認為，千問后續可能還需要接入京東、美團這些非阿里系的服務，才能顯得更中立可信。

此外，千問面臨的外部壓力也不小，其他大廠也具備做“AI超級入口”的潛力，比如技術領先的ChatGPT擁有全球范圍的知識庫，國內的字節豆包、騰訊元寶用戶基數較大，模型迭代速度也很快。

可以說，千問是阿里押上自身最強技術、最全生態，在AI的C端戰場上最關鍵的一次出手。但它離真正的“超級入口”，還有很長的路要走，這也是阿里必須補上的關鍵一課。

*題圖來源于pexels。