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。
媒体
5 条已核对来源的资料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。
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。
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。
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。
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Artificial Analysis:Qwen4 Max 智能指数与单任务成本
Artificial Analysis 报告称,Qwen4 Max 在其 Intelligence Index(xhigh)得 43 分,比 Qwen3.8 Max(xhigh)高 9 分;估算每个指数任务成本为 3.27 美元,低于 Qwen3.8 Max 的 10.02 美元和 Kimi K3.1 Pro(max)的 3.68 美元,但其输出 token 用量高于 Kimi,Terminal-Bench 4.0 分数也较低。
Qwen4-Max:Arena Agent 真实会话榜结果
Arena 称 Qwen4-Max 在 14.7k 个真实 Agent 会话中净提升为 +7.5%,首次进入 Agent Arena 总榜第 14 位;帖子另称 Qwen3.8-Max 为第 39 位。排名变化与净提升是帖子报告的两项结果,不能据此推导为直接配对胜率或任务成功率增幅。
Qwen4-Max:3D 长任务与五版迭代的一手报告
作者报告称,Qwen4-Max 在 Agent 目标模式下完成了一项 23.8 秒 Three.js 动画复刻,并在后续四轮修改中继续迭代到第五版;文章记录的是端到端任务耗时,未拆分模型推理、工具调用和渲染时间。
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。