最近，国内 AI 的战场上，又多了一位参赛的 C 端选手——阿里千问 App。

此次上线的千问，作为阿里旗下最强最新的 Qwen 大模型首个官方应用入口，剑指 ChatGPT 等全能 AI 应用标杆。

其核心竞争力在于 Qwen 系列模型——该系列模型在多项权威评测榜单中持续登顶，以领先性能构筑起底层技术壁垒。

但问题的关键在于：Benchmark 上的高分，能否转化为用户手中真实可感的体验？

这篇文章卫夕就和大家一起来盘一盘——

一、千问需要将模型能力转化成好用的应用体验

一台好车，发动机的马力只是必要条件，而非充分条件，最终用户在意的，是这辆车整体开起来舒不舒服。

Qwen 系列模型的实力毋庸置疑，Qwen 的开源模型已经位列全球第一梯队，长期雄霸各类榜单。

同时其建立了一个完整的模型家族：语言、视觉理解、图像生成与编辑、视频生成、代码 ...... 几乎覆盖了所有关键场景。

这种全模态的能力矩阵，是千问区别于竞品的第一道护城河。

这一点对于竞争而言其实挺重要的，目前市面上各家 AI 偏科的不少——

DeepSeek 产品没有视觉理解能力，ChatGPT 的图像编辑打不过 Nano Banana，Claude 代码强但缺多模态。

而千问从一开始就是一个水桶型选手，没有明显的能力短板。

但千问 App 的现实挑战是：如何让 Benchmark 上的高分，变成用户手中实实在在的好用。

二、千问的创造性思维如何？

如果你问一个 AI 应用最重要的能力是什么，答案可能因人而异。

对于我而言，有一点是确定的：在我高频用它之前，它得让我识别到它的特点。

由于我个人的偏好，我测试 AI 应用喜欢用它们开一些脑洞，咱们废话少说，一起来看一看千问的测试表现——

第一个我常测的问题——

" 假如唐朝就有微博，历史名人们会如何互动？"

千问的答案

可以看到，千问的答案一开始就精准拿捏李杜的性格反差，然后过渡到王维、孟浩然等不同圈层的互动，再加上了安史之乱的补充，到最后的假想微博体的文化意义。

答案的确 Get 到了这个整活问题的出发点，同时也没忘适当拔高和延展

再看一看豆包的答案——

豆包的答案

可以看到，和千问的 " 大局观 " 相比，它的回答直接而富有娱乐性。

直接将博文和评论互动列了出来，同时还加入了杨玉环这样的角色，符合豆包 " 内容向 "、" 娱乐向 " 的过往风格。

再来——

" 分析一下《西游记》中四位主角的 MBTI"

千问的答案

对于这个问题，两边的答案就有一些差异了。

先看结果，千问的结果是——唐僧 INFJ、孙悟空 ENTP、猪八戒 ESFP、沙僧 ISFJ。

而豆包的结果是——唐僧 INFJ、孙悟空 ESTP、猪八戒 ESFP、沙僧 ISTJ。

豆包的答案

二者在唐僧和猪八戒二人的结果上没有分歧，分歧在于——孙悟空到底是 N 还是 S，沙僧到底是 F 还是 T。

我个人倾向于孙悟空是 S（更凭直觉而不是抽象），但千问的理由是孙悟空一眼看出妖怪的本质，因此不是直觉，这样听起来也有理有据。

至于沙僧，我则认为千问的答案 T 没毛病，沙僧在西游记里是有多次感情流露的。

对比二者，会发现豆包的答案更直接，而千问答案还会给出理论支撑的信息，更让人信服一些。

第三题——

这道题是来自我最近买的一本书——《501 个创意写作练习》，一本全是提示词的书，我随便挑了一道：

千问的回答是这样的——

千问的答案

可以看到，千问的回答在行文水平上非常流畅，它选择了 " 打扫庭院 " 这个任务。

在语言上的确还原了极限运动播报员这一角色，更重要的是，它总结了行文思路，同时对其他任务也提供了播报的参考的方向，可以说非常贴心了。

而豆包选择了 " 清扫房间 " 这个任务，行文同样对极限运动员还原的不错，从语言风格上，豆包有更多的引号，显得更加癫狂一些。

二者的取向并没有好坏之分，取决于具体用户的偏好，我个人更喜欢千问的版本稍多一些。

总体而言，我发现千问的答案找到了一个微妙的平衡点，它既不会过于拘谨显得无聊，也不会太过放飞而显得癫狂。

这种平衡，来自 Qwen 模型在训练时对结构化输出的强化，你能感受到它的确在思考、在组织。

它懂得什么时候该放飞，什么时候该收敛，从这个意义上，上面这些问题的答案千问表现不俗。

三、从有趣到有用：千问的另一面

创意只是开始，对于一个真正想要占据用户日常的 AI 应用来说，靠谱才是核心。

这就涉及到千问必须回答的第二个问题——

在实用、专业的场景中，它能否经得起考验？

我用几个真实场景测试了千问：

场景一：

" 北京市的 " 工作居住证 " 如何办理？"

这是一个典型的 " 本地化、政策性 " 问题，它要求有准确的流程、最新的政策、可操作的步骤。

千问的回答非常出色，它从申请条件、申请材料、申请流程、待遇等方面详细给出。

甚至还给出了一些区的咨询电话，非常全面，同时在答案末尾还推荐了一些相关视频。

而豆包的回答则要逊色一些，核心信息只有申请流程，而流程的 4 步只是一个概述，并没呈现相关细节。

场景二：

" 请总结最近两年腾讯的前 10 大股东的变化情况。"

这是一个典型的专业研究场景，它需要 AI 准确查找信息，同时具有有数据分析的能力，还要结合提问进行推理。

千问的答案，不仅专门列出了南非报业、马化腾以及贝莱德投资者具体的变动。

还通过表格进行了相对清晰的统计，并结合变动分析了趋势，最后进行了总结，滴水不漏。

而豆包的答案直接列出了变动，但并未通过表格列出具体的前 10 大股东。

我专门查验了一下，发现二者引用来源还挺不一样的，推测应该是引述不同来源导致的差异。

场景三：

" 这是什么东西，应该如何使用？"

这是一个 " 视觉识别 + 推理 " 的场景，也是生活中常见的场景。

我家的洗手间，就有很多我媳妇儿各类瓶瓶罐罐，全是英文，不少我既不认识也不知道怎么用。

而 AI 则完全可以解决这个问题——

千问准确识别出了这是用于监测哮喘和慢阻肺最大流速的峰速仪，给出了品牌、产品特点、实用方法和注意事项，最后还给出了淘宝链接。

而豆包在同一场景下也很好地完成了任务，给出了使用方法和注意事项，最后还问用户是否需要补充使用清单。

豆包的答案

此外，我还用 DeepSeek 也试了一下，发现 DeepSeek 尽管识别正确，但它并非是通过视觉物品而得到的结论，而是识别图像上的文字。

当只给到纯物品图片时，DeepSeek 就会提示 " 未提取到文字 "，这一点千问会有明显优势。

DeepSeek 的答案

此外，我还进行了一系列的其他测试，比如图片编辑、视频通话、深度研究等，千问的完成度比我预期的要高。

图片编辑功能默认有不同的滤镜，同时设置了扩图、去水印等常见操作。

我试了一下，去掉照片里的路人、AI 试衣等常见的图片玩法毫无压力。

另外，我还用视频通话，简单对着桌面问了一下他看到了什么。

它的视频通话的延时非常低，画面描述也很精准，我相信家里老人们拿它识别一些花花草草肯定也非常实用。

可以看到——

得益于模型层的领先，无论是回答 " 工作居住证 " 这类政策问题，还是 " 腾讯股东变动 " 这类对准确性要求高的财经问题，还是生活中常见的识图场景，千问交出的答卷都滴水不漏。

如果用四个字形容，那就是 " 稳如老狗 "：

首先，思考的思维链很清晰、质量很高。

同时在搜索结果引用和推理层面做到了切中要害，最后在呈现上（办理流程列出资料的具体项目、股权变动用图表对比）非常直观、详细，阅读体验很好。

其次，得益于其在多模态层面的领先优势，千问 App 超越了一个 LLM 的范畴。

因而可以做到在功能层面覆盖非常饱和（修图、视频通话、视频生成、PPT 等等），能最大程度上满足不同用户的多元需求。

从这个意义上，我对千问的评价就两个字——靠谱。

靠谱这个词，说起来简单，背后其实包含了很多多东西，它涉及模型的能力、应用的设计、价值的取向等一系列复杂要素。

一个靠谱的 AI，应该像一位值得信赖的专家，在你需要的时候，给出可执行的答案。

这一点，千问的确做得不错。

这几天，我在 Twitter 上也刷到了不少人对千问的评价，比如一位叫骆逸的建筑师是这样说的——

我想，用户自然的口碑可能就是千问最好的背书。

四、挑战与未来：千问能走多远？

在过去，Qwen 大模型虽然在技术上领先，但普通用户感知不强。

而千问的使命就是要扭转这种局面，打通 Qwen 大模型和 C 端用户之间的最后一公里。

这种定位，决定了千问的产品逻辑：不只是要聊得来，更要用得上。

它希望覆盖用户从创意到执行的全流程，成为用户工作、学习、生活中全能助手。

而这并不容易。

接下里的战争应该非常精彩，字节、腾讯、阿里还有 DeepSeek 和 Kimi，到底谁能在长期的竞争中胜出，值得从业者认真观察。

千问的一个挑战就是——如何建立自己的场景心智？

我直观的感觉，从目前的产品定位来看，千问野心就是要做中国的 ChatGPT，但这个 C 端用户的心智如何建立，可能需要时间。

我倒认为，千问可以抓住 "AI 生产力平台 " 这个定位空白，强化相关场景，从而实现差异化竞争。

这需要千问在传播和运营上，找到清晰的锚点和场景，让用户知道，在什么情况下，第一时间想到千问。

从我个人的角度，我很期待的一点是千问之后在 Agent 能力上的升级迭代。

据《晚点》对千问团队的采访，千问后续差异化竞争点在于 Agent ——

" 阿里体系下有这么多 Agent，怎么基于场景把它们更好地串联在一起？用户很多需求使用的不是一个或者两个 Agent 的服务，比如说我想要规划一个团建，调用的不只是飞猪，可能还有很多支付、出行、购物等一系列能力，怎么把它们有机且丝滑得串联在一起。"

的确，从能回答的 Chatbot 到能干活的 Agent，其想象空间要大不少，而阿里的生态恰好又是和用户日常生活联系最紧密的系统，因而会带来很大的想象空间。

据腾讯的财报电话会，微信之后也会推出 AI Agent，阿里和腾讯在 C 端的 Agent 赛道有一次重逢。

二者在打法上有哪些差异化看点，值得行业持续关注。

结语

千问的推出，是阿里在 AI 时代的一次重要战略布局。

过去几年，阿里在 AI 领域布局很全——

从底层算力（阿里云）、到模型研发（Qwen 系列）、再到应用层面（千问、夸克 AI、钉钉 AI）。

这是一个全栈的打法。

千问 App 的推出，是这个全栈在 C 端的集中爆发，而千问承载的，是阿里对 "AI 新质生产力 " 的理解。

而到底什么是 "AI 新质生产力 "，每一个行业玩家都应该严肃思考。

—— End ——

作者简介：卫夕，公众号 " 卫夕指北 " 出品人，科技专栏作者，专写长文，专注剖析互联网及社会科学的底层逻辑；不关注这个账号，你都不知道你会错过神马！