Qwen4-Max

Qwen4-Max 模型测评导航

汇总 Qwen4-Max 的官方基准、媒体分析和社区实测,不把第三方观点包装成 Tabbit 自测。

8 条已核对来源的资料官方 · 媒体 · 社区

媒体

5 条已核对来源的资料
媒体Qwen 官方博客

Qwen4-Max 官方发布基准与 Work360

Qwen4-Max 发布页给出自建 Work360 行业基准 52.69 分,并宣称相较 Qwen3.8-Max 的任务 token 与平均单任务费用下降;其他发布图表混合了官方重测和第三方榜单引用,不能视为同一套评测或独立复核结果。

媒体Atomic Agent Blog

Atomic Agent:Qwen 4 Max 推理档位与单任务 Agent 实测

在 Atomic Agent 的一个编程任务上,Qwen 4 Max 的 high 与 xhigh 都在三次运行中通过全部 59 项隐藏测试;high 平均耗时约 25 分钟、两次完整记录的平均成本约 0.65 美元,xhigh 没有增加通过数,但耗时接近翻倍且成本更高。

媒体Plotly Blog

Plotly:Qwen4 Max 数据分析基准与图表实测

Plotly 的 43 题数据分析基准中,Qwen4 Max 单次答对 35 题(81%,B),花费 2.29 美元,每题中位耗时 40 秒。歧义题与无法完成的请求均处理正确,数据质量检查、统计陷阱和隐藏模式仍有失分。

媒体Vals AI

Vals AI:Qwen4 Max 行业任务指数、分项成绩与成本

在 Vals AI 于 2026-11-15 更新的 Vals Index v2.2 中,Qwen4 Max 以 xhigh 推理档位得 63.20%(±1.01),排名 38 个模型中的第 11;行业加权指数单次评测成本为 $9.33。成绩不是通用任务成功率,成本也不是固定单任务报价。

媒体Spring Prompt

Spring Prompt:Qwen4-Max 默认档位多任务独立基准

Spring Prompt 在 2026-11-16 报告的五项自建业务基准中,Qwen4-Max 默认 high 档在 DeckBench、SurveyBench 表现靠前,在 CatalogBench 和 ROASBench 中游偏后;BulletBench 暴露了高延迟问题。公开题目可以复跑一部分,结果只代表该版本、供应商与测试设置。

社区

3 条已核对来源的资料

Qwen4-Max

在 Tabbit 中使用并对比模型

汇总 Qwen4-Max 的官方基准、媒体分析和社区实测,不把第三方观点包装成 Tabbit 自测。