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。
适合判断的任务:了解 Arena 公布的 Agent Arena 总榜位置及会话规模。
不适合外推的任务:推断特定工作流的成功率、成本效益,或与其他测试框架直接比较。
适用的模型版本:Qwen4-Max;帖子将 Qwen3.8-Max 列为第 39 位的参照排名。
测试环境或客户端:Arena Agent Arena;帖子称数据来自真实 Agent 会话追踪。
推理档位和参数:未注明。
帖子称结果基于来自全球社区的 14.7k 个真实 Agent 会话和真实任务追踪。帖子未说明会话筛选方式、测试时间窗、Agent 配置、统计方法或不确定性区间;未提供足以复现计算的任务记录。
Qwen4-Max:Agent Arena 总榜第 14,净提升 +7.5%。
帖子列出上一代 Qwen3.8-Max 第 39 位和 Qwen4-Max 第 14 位。帖文没有给出两个模型的直接配对胜率。
帖子还报告四项信号和三个类别均有正向提升,但未在此处提供其原始表格、分母或区间估计。
| 帖子报告项 | 结果 |
|---|---|
| 真实 Agent 会话数 | 14.7k |
| Qwen4-Max 总榜排名 | #14 |
| Qwen4-Max 净提升 | +7.5% |
| Qwen3.8-Max 总榜排名 | #39 |
原始榜单链接为 https://arena.ai/leaderboard/agent。采集时该页返回 Cloudflare 403,故未能核对动态榜单快照、成本或表格中的其他指标。本文只记录可见的 X 帖内容。
帖子提供了 Arena 当时公布的榜单位置、净提升和会话规模。排名不确定性、净提升的计算口径和单位任务成本仍需以榜单原表和方法说明为准。
在 Tabbit 中访问原帖并阅读公开内容。原始榜单页采集时返回 403,未绕过访问限制;因此无法独立复算帖子中的净提升或验证动态排名。
Qwen4-Max